Assessing Adverse Events After Chiropractic Care at a Chiropractic Teaching Clinic: An Active-Surveillance Pilot Study
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to assess the feasibility of implementing an active-surveillance reporting system within a chiropractic teaching clinic and subsequently determining the frequency of adverse events (AEs) after treatment administered by chiropractic interns. METHODS: Interns were invited to collect data from patients using 3 questionnaires that recorded patient symptom change: 2 completed by the patient (before and 7 days after treatment) and 1 completed by the intern (immediately after treatment). Worsened and new symptoms were considered AEs. Qualitative interviews were conducted with clinicians and interns to assess the feasibility of implementing the reporting system, with resulting data categorized under 4 domains: acceptability, implementation, practicality, and integration. RESULTS: Of the 174 eligible interns, 80 (46.0%) collected data from 364 patient encounters, with 119 (32.7%) returning their posttreatment form. Of the 89 unique patients (mean age = 39.5 years; 58.4% female, 41.6% male), 40.1% presented with low back pain and 31.1% with neck pain. After treatment, 25 symptoms (8.9%) were identified as AEs, mostly reported by patients as worsening discomfort or pain. Data from qualitative interviews suggest that the AE reporting system was well accepted; however, proposed specific modifications include use of longitudinal electronic surveys. CONCLUSION: Our findings suggest that it is feasible to conduct an active-surveillance reporting system at a chiropractic teaching clinic. Important barriers and facilitators were identified and will be used to inform future work regarding patient safety education and research.
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 | 0,015 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».