Musculoskeletal imaging authority, levels of training, attitude, competence, and utilisation among clinical physiotherapists in Nigeria: a cross-sectional survey
Notice bibliographique
Résumé
BACKGROUND: Direct-access physiotherapy practice has led to a global review of the use of differential-diagnostic modalities such as musculoskeletal imaging (MI) in physiotherapy. OBJECTIVE: To explore the MI authority, levels of training, attitude, utilisation, and competence among clinical physiotherapists in Nigeria. METHODS: This national cross-sectional study analysed a voluntary response sample of 400 Nigerian physiotherapists that completed the online version of the Physiotherapist's Musculoskeletal Imaging Profiling Questionnaire (PMIPQ), using descriptive statistics, Spearman's correlation, Mann-Whitney U, Kruskal-Wallis, and Friedman's ANOVA tests. RESULTS: Of the 400 participants, 93.2% believed that physiotherapists should use MI in clinical practice. However, only 79.8% reported having MI authority in their practice settings. The participants' median (interquartile range) levels of training =10 (24) and competence =16 (24) were moderate. Nonetheless, levels of training (χ2 [15] = 1285.899, p = 0.001), and competence (χ2 [15] = 1310.769, p < 0.001) differed across MI procedures. The level of training and competence in x-ray referral and utilisation was significantly higher than magnetic resonance imaging, computed tomography scan, ultrasonography, scintigraphy, and dual-energy x-ray absorptiometry, in that order (p < 0.05). There was a significant positive correlation between the levels of training and competence (rho =0.61, p < 0.001). The participants had a positive attitude =32 (32) and occasionally used MI in clinical practice =21 (28). CONCLUSION: Majority of the respondents believed they had MI authority although there was no explicit affirmation of MI authority in the Nigerian Physiotherapy Practice Act. Participants had a positive attitude towards MI. However, levels of MI training, competence, and utilisation were moderate. Our findings have legislative and curriculum implications.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».