A knowledge translation implementation strategy to promote evidence-based practices in the management of lateral ankle sprains by Canadian Armed Forces physiotherapists
Notice bibliographique
Résumé
Introduction: Lateral ankle sprains (LAS) are the third most common musculoskeletal injury among military members, resulting in considerable time loss and a substantial rehabilitation workload. The operational relevance of these consequences to the Canadian Armed Forces (CAF) should be minimized using evidence-based practices. The purpose of this research project was to use a comprehensive knowledge translation (KT) implementation strategy tailored for CAF physiotherapists to improve their knowledge and use of the rehabilitation interventions and outcome measures recommended in the management of LAS. Methods: All CAF physiotherapists were sent an email invitation to complete an online questionnaire investigating their knowledge and use of rehabilitation interventions and outcome measures recommended in the management of LAS. We then used a distance learning platform to facilitate a 3-hour active, multi-component KT intervention that included summarized research, practice tools, and guided interaction. The primary outcome was the median change reported on the online questionnaire prior to, and 3 months following the intervention. Results: Response rate to the online questionnaire was 75% ( n = 67/89). Respondents reported a change from very good to excellent knowledge and use of rehabilitation interventions recommended in LAS management between baseline and 3 months. Respondents reported a change from poor to good/excellent knowledge and use of outcome measures recommended in LAS management between baseline and 3 months. Respondents reported a KT intervention preference for summarized research. Discussion: Our findings suggest that a KT implementation strategy tailored for CAF physiotherapists can improve their self-reported knowledge and use of outcome measures recommended in LAS management.
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 | 0,055 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».