MétaCan
Menu
Retour à la cohorte
Enregistrement W4389298845 · doi:10.1002/msc.1840

Co‐development and evaluation of the Musculoskeletal Telehealth Toolkit for physiotherapists

2023· article· en· W4389298845 sur OpenAlexaff
Allison M. Ezzat, Matthew King, Danilo de Oliveira Silva, Marcella Ferraz Pazzinatto, J.P. Cañeiro, Stephanie Gourd, Rhona McGlasson, Peter Malliaras, Amy M Dennett, Trevor Russell, Joanne L. Kemp, Christian J. Barton

Notice bibliographique

RevueMusculoskeletal Care · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensAlberta Bone and Joint Health InstituteBone and Joint CanadaUniversity of British Columbia
Organismes subventionnairesLa Trobe UniversityAustralian Physiotherapy Association
Mots-clésTelehealthUsabilityCompetence (human resources)OnboardingMedicineMedical educationTelecareAnalyticsNursingTelemedicinePsychologyComputer scienceHealth careData science

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: In-person physiotherapy services are not readily available to all individuals with musculoskeletal conditions, especially those in rural regions or with time-intensive responsibilities. The COVID-19 pandemic highlighted that telehealth may facilitate access to, and continuity of care, yet many physiotherapists lack telehealth confidence and training. This project co-developed and evaluated a web-based professional development toolkit supporting physiotherapists to provide telehealth services for musculoskeletal conditions. METHODS: A mixed-methods exploratory sequential design applied modified experience-based co-design methods (physiotherapists [n = 13], clinic administrators [n = 2], and people with musculoskeletal conditions [n = 7]) to develop an evidence-informed toolkit. Semi-structured workshops were conducted, recorded, transcribed, and thematically analysed, refining the toolkit prototype. Subsequently, the toolkit was promoted via webinars and social media. The usability of the toolkit was examined with pre-post surveys examining changes in confidence, knowledge, and perceived telehealth competence (19 statements modelled from the theoretical domains framework) between toolkit users (>30 min) and non-users (0 min) using chi-squared tests for independence. Website analytics were summarised. RESULTS: Twenty-two participants engaged in co-design workshops. Feedback led to the inclusion of more patient-facing resources, increased assessment-related visual content, streamlined toolkit organisation, and simplified, downloadable infographics. Three hundred and twenty-nine physiotherapists from 21 countries completed the baseline survey, with 172 (52%) completing the 3-month survey. Toolkit users had greater improvement in knowledge, confidence, and competence than non-users in 42% of statements. Seventy-two percentage of toolkit users said it changed their practice, and 95% would recommend the toolkit to colleagues. During the evaluation period, the toolkit received 5486 total views. DISCUSSION: The co-designed web-based Musculoskeletal Telehealth Toolkit is a professional development resource that may increase physiotherapist's confidence, knowledge, and competence in telehealth.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,044
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,232

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0440,049
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,407
Écart entre enseignants0,362 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMusculoskeletal CareMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207