Limited evidence exists on determinants of physiotherapists' adherence to high value interventions in nonspecific low back pain management: A scoping review
Notice bibliographique
Résumé
BACKGROUND: Examining the emerging body of evidence investigating what drives physiotherapist's clinical decisions in the management of low back pain can guide future research into identifying barriers and facilitators of their adherence to evidence recommended interventions. OBJECTIVE: To establish the body of evidence regarding factors that improve or hinder physiotherapists' adherence to high-value interventions on the management of non-specific low back pain. DESIGN: Scoping review. METHODS: We conducted a Scoping review by searching MEDLINE, CINAHL, and SPORTDiscus databases on 13 February 2021. Two reviewers independently screened the retrieved literature and selected articles for inclusion. We included quantitative research that investigated an association between physiotherapists' personal characteristics or setting related characteristics with their clinical management of patients with non-specific low back pain. RESULTS: Twelve studies reported in 13 publications were included. The majority of the studies were conducted in high-income countries including, the United States, Canada and UK. Twenty-six factors were investigated as potentially influencing physiotherapists' adherence to high value interventions in low back pain management. The most commonly examined physiotherapists' attributes were educational qualification that is postgraduate or certification course (58%, N = 7 studies), years of experience (41%, N = 5 studies), and beliefs and attitude about low back pain (41%, N = 5 studies). Work setting (N = 4) and workload (N = 3) were frequently investigated setting related factors. CONCLUSION: Currently, there is limited evidence available to understand determinants controlling practice behaviours of physiotherapists' management of nonspecific low back pain. Future researches conceptualized within contemporary theories of clinician behaviour change and models of knowledge translation are needed.
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 | 0,051 | 0,272 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,009 |
| Bibliométrie | 0,016 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».