Benefits of Musculoskeletal Physical Therapy in Emergency Departments: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Over the past few decades, physical therapists have emerged as key health care providers in emergency departments (EDs), especially for patients with musculoskeletal disorders (MSKD). PURPOSE: The purpose of this review was to update the current evidence regarding physical therapist care for patients with MSKD in EDs and to update current recommendations for these models of care. DATA SOURCES: Systematic searches were conducted in 5 bibliographic databases. STUDY SELECTION: The studies selected presented quantitative data related to the care of patients with MSKD by physical therapists in an ED setting. DATA EXTRACTION: Raters reviewed studies and used the Effective Public Health Practice Project Quality Assessment Tool to assess their methodological quality. DATA SYNTHESIS: Fifteen studies were included. Two studies, 1 of weak and 1 of strong quality, demonstrated that physical therapist care in EDs was as effective as or more effective than usual medical care for pain reduction, and 6 studies of varying quality reported that physical therapist care in EDs was as effective as usual care in EDs in reducing disability. Eight studies of varying quality reported that physical therapist care could significantly reduce waiting time in EDs. Four studies of varying quality reported that physical therapists ordered no more, or even fewer, medical images than physicians. In terms of health care costs, 2 studies of moderate to high quality found no significant differences in costs between physical therapist care and usual care in EDs. Finally, 6 studies of varying quality reported that patients were as satisfied or more satisfied with physical therapist care as with usual medical care in EDs. LIMITATIONS: The roles of physical therapists in EDs vary depending on the setting, legislation, and training of providers. Only a limited number of high-quality studies were identified. CONCLUSIONS: Although the quality of the evidence is heterogeneous, physical therapist care for patients with MSKD in EDs may be beneficial.
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 | 0,008 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».