Understanding Physiotherapists’ Intention to Counsel Clients with Chronic Pain on Exercise: A Focus on Psychosocial Factors
Notice bibliographique
Résumé
Purpose: Twenty percent of Canadians experience chronic pain. Exercise is an effective management strategy, yet participation levels are low. Physiotherapists can be key to counselling clients to engage in long-term unsupervised exercise. Yet, investigations that identify psychosocial factors related to physiotherapists’ intention to counsel are lacking. The purpose of this study was to examine whether physiotherapists’ knowledge of chronic pain, beliefs about pain, and self-efficacy to counsel on exercise predicted their intention to counsel clients with chronic pain on exercise. Method: Practicing physiotherapists ( N = 64) completed an online survey that assessed their knowledge of chronic pain, beliefs about pain, self-efficacy, and intention to counsel. A two-step hierarchical multiple regression predicted intention. Step 1 controlled for years of practice, and Step 2 included study variables significantly correlated with intention. Results: Beliefs about pain ( r = –0.35, p < 0.01) and self-efficacy ( r = 0.69, p < 0.01) were significantly correlated with intention. The overall regression model was significant, F3,60 = 18.73; p < 0.001. Self-efficacy was the sole significant predictor, t60 = 5.71, p < 0.0001, sr 2 = 28%. Conclusions: Self-efficacy may facilitate physiotherapists’ intention to counsel on exercise for chronic pain. If shown to be a causal factor, interventions that target a change in physiotherapists’ self-efficacy should be pursued.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».