Use of Mental Health Interventions by Physiotherapists to Treat Individuals with Chronic Conditions: A Systematic Scoping Review
Notice bibliographique
Résumé
Purpose: Physiotherapists work with people with chronic conditions and can act as catalysts for behavioural change. Physiotherapy has also seen a shift to a bio-psychosocial model of health management and interdisciplinary care, which is important in the context of chronic conditions. This scoping review addressed the research question “How do physiotherapists use mental health–based interventions in their treatment of individuals with chronic conditions?” Method: The Embase, MEDLINE, PsycINFO, and CINAHL databases were searched, and a variety of study designs were included. Data were categorized and descriptively analyzed. Results: Data were extracted from 103 articles. Low back pain (43; 41.7%) and non-specified pain (16; 15.5%) were the most commonly researched chronic conditions, but other chronic conditions were also represented. Outpatient facilities were the most common setting for intervention (68; 73.1%). A total of 73 (70.9%) of the articles involved cognitive–behavioural therapy, and 41 (40.0%) included graded exercise or graded activity as a mental health intervention. Conclusions: Physiotherapists can use a variety of mental health interventions in the treatment of chronic conditions. More detailed descriptions of treatment and training protocols would be helpful for incorporating these techniques into clinical 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 | 0,000 | 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 | 0,000 | 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 ».