GLA:D® Back Australia: a mixed methods feasibility study for implementation
Notice bibliographique
Résumé
BACKGROUND: Practice-based guidelines recommend patient education and exercise as first-line care for low back pain (LBP); however, these recommendations are not routinely delivered in practice. GLA:D® Back, developed in Denmark to assist clinicians to implement guideline recommendations, offers a structured education and supervised exercise program for people with LBP in addition to a clinical registry to evaluate patient outcomes. In this study we evaluated the feasibility of implementing the GLA:D® Back program in Australia. We considered clinician and patient recruitment and retention, program fidelity, exploring clinicians' and patients' experiences with the program, and participant outcome data collection. METHODS: Clinicians (chiropractors and physiotherapists) were recruited and participated in a 2-day GLA:D® Back training course. Patients were eligible to participate if they had persistent or recurrent LBP. Feasibility domains included the ability to: (1) recruit clinicians to undergo training; (2) recruit and retain patients in the program; (3) observe program fidelity; and (4) perceive barriers and facilitators for GLA:D® Back implementation. We also collected data related to: (5) clinician confidence, attitudes, and behaviour; and (6) patient self-reported outcomes related to pain, disability, and performance tests. RESULTS: Twenty clinicians (8 chiropractors, 12 physiotherapists) participated in the training, with 55% (11/20) offering GLA:D® Back to their patients. Fifty-seven patients were enrolled in the program, with 67% (38/57) attending the final follow-up assessment. Loss to follow up was mainly due to the effects of the COVID-19 pandemic. We observed program fidelity, with clinicians generally delivering the program as intended. Interviews revealed two clinician themes related to: (i) intervention acceptability; and (ii) barriers and facilitators to implementation. Patient interviews revealed themes related to: (i) intervention acceptability; and (ii) program efficacy. At 3 months follow-up, clinicians demonstrated high treatment confidence and biomedical orientation. Patient outcomes trended towards improvement. CONCLUSION: GLA:D® Back implementation in Australia appears feasible based on clinician recruitment, program acceptability and potential benefits for patient outcomes from the small sample of participating clinicians and patients. However, COVID-19 impacted patient recruitment, retention, and data collection. To scale-up GLA:D® Back in private and public settings, further work is warranted to address associated barriers, and to leverage facilitators.
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 | 0,050 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».