MétaCan
Menu
Retour à la cohorte
Enregistrement W2941765117 · doi:10.1136/bjsports-2018-100193

Imaging with ultrasound in physical therapy: What is the PT’s scope of practice? A competency-based educational model and training recommendations

2019· article· en· W2941765117 sur OpenAlexafffund
Jackie L. Whittaker, Richard Ellis, Paul W. Hodges, Cliona O’Sullivan, Julie A. Hides, Samuel Fernández‐Carnero, José L. Arias‐Buría, Deydre S. Teyhen, María Stokes

Notice bibliographique

RevueBritish Journal of Sports Medicine · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound in Clinical Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesThomas Jefferson National Accelerator FacilityUniversity of AlbertaDepartment of Science and Technology, Ministry of Science and Technology, IndiaUniversidad Francisco de Vitoria
Mots-clésScope (computer science)Scope of practiceMedicineIntervention (counseling)Clinical PracticeMedical educationMedical physicsRehabilitationTraining (meteorology)Physical therapyNursingComputer scienceHealth care

Résumé

récupéré en direct d'OpenAlex

Physical therapists employ ultrasound (US) imaging technology for a broad range of clinical and research purposes. Despite this, few physical therapy regulatory bodies guide the use of US imaging, and there are limited continuing education opportunities for physical therapists to become proficient in using US within their professional scope of practice. Here, we (i) outline the current status of US use by physical therapists; (ii) define and describe four broad categories of physical therapy US applications (ie, rehabilitation, diagnostic, intervention and research US); (iii) discuss how US use relates to the scope of high value physical therapy practice and (iv) propose a broad framework for a competency-based education model for training physical therapists in US. This paper only discusses US imaging-not 'therapeutic' US. Thus, 'imaging' is implicit anywhere the term 'ultrasound' is used.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,031
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,006
Communication savante0,0060,010
Science ouverte0,0030,005
Intégrité de la recherche0,0060,009
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,026
Tête enseignante GPT0,340
Écart entre enseignants0,314 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations113
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Sports MedicineMême sujetUltrasound in Clinical ApplicationsTravaux en français237 207