Video analysis of communication by physiotherapists and patients in video consultations: a qualitative study using conversation analysis
Notice bibliographique
Résumé
OBJECTIVES: To investigate the challenges of doing physical examinations and exercises by video, and the communication strategies used by physiotherapists and patients to overcome them. DESIGN: A qualitative study of talk and social actions, examining the verbal and non-verbal communication practices used by patients and physiotherapists. Video consultations between physiotherapists and patients were video recorded using MS Teams, transcribed and analysed in detail using Conversation Analysis. SETTING: Video consultations were recorded in three specialist settings (long-term pain, orthopaedics, and neuromuscular rehabilitation) across two NHS hospitals. PARTICIPANTS: 15 adult patients (10 female, 5 male; aged 20-77) with a scheduled video consultation. RESULTS: Examinations and exercises retain-->were successfully accomplished in all 15 consultations. Two key challenges were identified for physiotherapists and patients when doing video assessments: (1) managing safety and clinical risk, and (2) making exercises and movements visible. Challenges were addressed by through communication practices that were patient-centred and tailored to the video context (e.g., explaining how to frame the body to the camera or adjust the camera to make the body visible). CONCLUSIONS: Video is being used by physiotherapists to consult with their patients. This can work well, but tailored communication strategies are critical to help participants overcome the challenges of remote physical examinations and exercises. CONTRIBUTION OF THE PAPER: This paper is a first to use video-based analysis to determine the challenges of video consulting for doing remote assessments and exercises in physiotherapy settings. It demonstrates how patients and physiotherapists use communication strategies to raise concerns around safety and visibility and how they overcome these concerns.
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 | 0,014 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».