Development of a digital learning program for physiotherapists to enhance clinical implementation of aerobic exercise in stroke rehabilitation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: This paper describes the initial development process of an eLearning continuing professional education program primarily for post-licensure physiotherapists -"Electronic Aerobic Exercise Recommendations to Optimize Best Practices in Care after Stroke" (eAEROBICS). Our objective was to develop an evidence-based, clinically relevant, user-friendly eLearning program for online delivery tailored to facilitate prescription of aerobic exercise post-stroke by physiotherapists. The Demand Driven Learning Model guided curriculum design, delivery, and evaluation. Based on previously identified gaps in physiotherapists' knowledge of aerobic exercise, four learning modules were developed and delivered using an eLearning platform to maximize cost-effectiveness and flexibility. Five physiotherapists volunteered to pilot eAEROBICS, providing preliminary feedback on strengths and suggestions for improvement. RESULTS: Theoretical information and clinical applications addressed the learning objectives of each module in a logical manner. All technical or administrative issues encountered during program delivery were addressed. The feedback from the pilot end-users informed modifications to the eAEROBICS program. CONCLUSIONS: Processes used in developing eAEROBICS have the potential to serve as a model of electronic continuing professional education for other areas of physiotherapy practice. Further investigation of end-user perspectives and clinical impact of the program is warranted to determine the overall effectiveness of the program.
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.
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) | 0,000 | 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 découle