Improvement in the Short-Term Effectiveness of the Clinical Supervision of Physiotherapists Who Have Taken Part in a Clinical Supervision Training Programme
Notice bibliographique
Résumé
Purpose: The purpose of this study was to evaluate change in the effectiveness of clinical supervision of physiotherapists who took part in a clinical supervision training programme. Method: Our pre–post study design used both quantitative and qualitative methods. The programme consisted of three interactive sessions held with physiotherapists from a metropolitan public health network in Melbourne, Victoria, Australia. The effectiveness of clinical supervision of supervisees was measured using the Manchester Clinical Supervision Scale (MCSS–26). The effectiveness of clinical supervision from the supervisors’ perspective was measured using a clinical supervisor questionnaire. The physiotherapists’ experience of participating in the training programme was then explored in focus groups. Results: A total of 36 physiotherapists participated in the training programme. Twelve weeks later, the physiotherapists (35) reported a moderate improvement in the effectiveness of clinical supervision, with a mean improvement of 5.4 units (95% CI: 2.0, 8.9; p = 0.003) on the MCSS–26 (score range 0–104). After training, a higher proportion of physiotherapists reported receiving effective clinical supervision (97% after vs. 53% before; p = 0.001). In the focus groups, the physiotherapists reported greater flexibility in their approach to clinical supervision and a more effective supervisory relationship. However, difficulty finding time for supervision remained a barrier. Conclusions: Physiotherapists reported an improvement in the effectiveness of clinical supervision after a clinical supervision training programme.
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 | 0,004 | 0,000 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».