A qualitative pilot study exploring clients’ and health-care professionals’ experiences with aquatic therapy post-stroke in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Aquatic therapy is beneficial for people post-stroke, as it improves their physical function, well-being, and quality of life. There is a lack of description of users' experiences and perspectives toward aquatic therapy that could elucidate contextual factors for aquatic therapy implementation. OBJECTIVES: To explore participants' experiences with aquatic therapy post-stroke as part of a participatory design project to develop an education tool-kit to address the users' needs for aquatic therapy post-stroke. METHODS: A qualitative descriptive study was employed using a purposive sampling. Letters were sent to stroke and aquatic therapy organizations. Individual interviews were conducted either by phone or Zoom with nine participants in the chronic phase of stroke and 14 health-care professionals. All transcripts were coded and analyzed independently by two researchers. Inductive thematic analysis was used to identify the main themes. RESULTS: = 3). From the interviews, two organizing themes were identified: (1) Importance of aquatic therapy (e.g. experiences, benefits, and program approaches); and (2) Aquatic therapy education (e.g. knowledge gaps, sources of learning and communication). CONCLUSIONS: Health-care professionals and clients reported numerous benefits of aquatic therapy post-stroke including, but not limited to, improvements in mobility, balance, wellbeing, and socialization. Lack of formal and informal education and communication as participants' transition from rehab to community were viewed as barriers to aquatic therapy use post-stroke. Developing education material and communication strategies may improve the uptake of aquatic therapy post-stroke.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».