Physical therapy students’ application of an imaging decision rule for acute knee pain
Notice bibliographique
Résumé
Background Evidence supports direct referral for imaging by physical therapists. Accuracy and self-efficacy for imaging decisions have not been investigated in entry-level doctor of physical therapy (DPT) students.Objective The purpose of this study was to understand the relationship between entry-level DPT instruction and accuracy and self-efficacy for imaging referral due to acute knee trauma. A second purpose was to identify relationships between accuracy and self-efficacy.Methods An online survey was sent via e-mail to program directors in accredited DPT programs in the United States with an invitation to forward the survey to DPT students. The survey captured demographic information and included five questions that assessed the respondent’s ability to apply the Ottawa Knee Rules (OKR). Self-efficacy was assessed using the Physiotherapist Student Self-Efficacy (PSE) questionnaire, a self-rated 5-point Likert scaled tool.Results Of 240 surveys, DPT students who completed imaging coursework had greater accuracy and higher self-efficacy (68.0% correct (95% CI, 63.6–72.5), PSE = 3.67, P < .001) compared to students who had not (45.8% correct (95% CI, 40.8–50.7), PSE = 2.67, P < .001). Conclusion: Accuracy by DPT students who completed imaging coursework was significantly improved and comparable to values from autonomous providers.
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 | 0,004 | 0,001 |
| 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 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 ».