Implementation of Physical Activity into routine Clinical pracTice in Rheumatic Musculoskeletal Disease: The IMPACT-RMD study protocol and rationale
Notice bibliographique
Résumé
BACKGROUND: Physical activity is an important intervention for improving disease-related symptoms and systemic manifestations in rheumatic and musculoskeletal disease (RMDs). However, studies suggest that RMD patients report that the lack of individualized and consistent information about physical activity from managing doctors and healthcare professionals, acts as a barrier for engagement. On the other hand, managing doctors and healthcare professionals report lack of knowledge in this area and thus lack of confidence to educate and advise RMD patients about the beneficial effects of physical activity. The aim of the present study therefore, is to develop two e-Learning courses for RMD doctors and health professionals: a) the first one to provide consistent information about the collective benefits of physical activity in RMDs and b) the second on how to implement physical activity advice in routine clinical practice. METHODS: An international collaboration of seven countries, consisting of one academic institution and one patient organization from each country, will co-develop the two e-Learning courses. The final e-Learning courses will primarily target to improve - through physical activity advice - RMD symptoms which are important for patients. DISCUSSION: The main result of this study will be to co-develop two e-Learning courses that can be used by managing RMD doctors and healthcare professionals to be made aware of the overall benefits of physical activity in RMDs as well as how to implement physical activity advise within their practice.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».