“It ... doesn’t always make it [to] the top of the list”: Primary care physicians’ experiences with prescribing exercise for knee osteoarthritis
Notice bibliographique
Résumé
OBJECTIVE: To explore primary care physicians’ (PCPs’) experience with and barriers to prescribing exercise for people with knee osteoarthritis (OA). DESIGN: A qualitative descriptive study using semistructured interviews. SETTING: Ontario. PARTICIPANTS: Twelve PCPs recruited from academic and community family health practices. METHODS: Twelve 30- to 60-minute, one-on-one interviews were conducted using a purposive sampling of PCPs. Data were analyzed using a constant comparison approach. MAIN FINDINGS: Of the 12 interviews, 11 were analyzed and organized in relation to the primary finding that PCPs often assigned a low priority both to OA as a disease and to exercise as a treatment. It was discovered that exercise, the main treatment for OA, is often not perceived as a “real” medical treatment; prescribing exercise is perceived as being outside of most PCPs’ scope of practice; and PCPs often account for success or failure of prescribed exercise as being the function of individual patient motivation. CONCLUSION: Although knee OA often affects incidence of and complicates other comorbidities, in general, PCPs consider knee OA to be lower in importance relative to other diseases they manage. Improved awareness of OA and its effect on other chronic conditions might improve uptake of OA treatment, including exercise. If additional guidance on exercise is needed, referring patients to a physiotherapist is a potential solution.
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 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».