Clinical practice pattern of low back pain among physiotherapists in a low-income country
Notice bibliographique
Résumé
Background: Low back pain (LBP) is the top global cause of disability and physiotherapy interventions are used to manage it. However, the practice pattern of physiotherapists dealing with LBP patients in low-income countries are limited. Aim: The study aims to explore the LBP practice pattern of a low-income country’s ( i. e., Bangladeshi) physiotherapists by their demographic and professional factors. Methods: In a cross-sectional survey study, we have analyzed data from randomly selected 423 physiotherapists of Bangladesh who have invited to fill-up an online survey questionnaire about practice patterns. The first part of the questionnaire contained question demographic and professional background, second part included current intervention choices in the management of patients with LBP, the final part consisted of information on diagnosis, patient type and self-reported cure rate of LBP patients. Ethical approval: Clinical Trial Registry India: CTRI/2020/05/025313. Results: The Majority of the physiotherapists (54.8%) were non-government service holders and 87.7% worked in the town area. Regarding recommended interventions, only 12.3% frequently used those and 21.5% didn’t either offer or know about those interventions. For not recommended interventions, 69.3% occasionally, 13.5% frequently and 17.3% never used such interventions. The prevalence of good, moderate, and poor practice patterns was 14%, 62.4%, and 23.6% respectively. Participants‘ marital status (P = 0.003) and graduation institute category (P = 0.002) were significant factors for practice pattern variation. Conclusion: The study justified physiotherapy management status in a low-income country by comparing evidence-based practice guidelines. This finding set as a low-income country database to exhibit future research, clinical practice, and education for better LBP physiotherapy management adherence to evidence-based public health care.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».