Concordance between physiotherapists and physicians for care of patients with musculoskeletal disorders presenting to the emergency department
Notice bibliographique
Résumé
BACKGROUND: Overcrowding in emergency departments (ED) is a major concern worldwide. To answer increasing health care demands, new models of care including advanced practice physiotherapists (APP) have been implemented in EDs. The purpose of this study was to assess diagnostic, treatment and discharge plan concordance between APPs and ED physicians for patients consulting to the ED for minor musculoskeletal disorders (MSKD). METHODS: Patients presenting to two EDs in Montréal (Canada) with a minor MSKD were recruited and independently assessed by an APP and ED physician. Both providers had to formulate diagnosis, treatment and discharge plans. Cohen's kappa (κ) and Prevalence and Bias Adjusted Kappas (PABAK) with associated 95%CI were calculated. Chi Square and t-tests were used to compare treatment, discharge plan modalities and patient satisfaction between providers. RESULTS: One hundred and thirteen participants were recruited, mean age was 50.3 ± 17.4 years old and 51.3% had an atraumatic MSKD. Diagnostic inter-rater agreement between providers was very good (κ = 0.81; 95% CI: 0.72-0.90). In terms of treatment plan, APPs referred significantly more participants to physiotherapy care than ED physicians (κ = 0.27; PABAK = 0.27; 95% CI: 0.07-0.45; p = 0.003). There was a moderate inter-rater agreement (κ = 0.46; PABAK = 0.64; 95% CI: 0.46-0.77) for discharge plans. High patient satisfaction was reported with no significant differences between providers (p = 0.57). CONCLUSION: There was significant agreement between APPs and ED physicians in terms of diagnosis and discharge plans, but more discrepancies regarding treatment plans. These results tend to support the integration of APPs in ED settings, but further prospective evaluation of the efficiency of these types of models is warranted.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».