Identifying sports chiropractic global research priorities: an international Delphi study of sports chiropractors
Notice bibliographique
Résumé
Objectives: Developing a research agenda is one method to facilitate broad research planning and prioritise research within a discipline. Despite profession-specific agendas, none have specifically addressed the research needs of the specialty of sports chiropractic. This study determined consensus on research priorities to inform a global sports chiropractic research agenda. Methods: A Delphi consensus methodology was used to integrate expert opinions. Clinicians, academics and leaders from the international sports chiropractic specialty were recruited using purposive sampling to participate in (1) a Delphi panel involving three voting rounds to determine consensus on research priorities and (2) a priority importance ranking of the items that reached consensus. Results: We identified and contacted 141 participants, with response rates for rounds 1, 2 and 3, of 44%, 31% and 34%, respectively. From the original 149 research priorities, 66 reached consensus in round 1, 63 in round 2 and 45 items in round 3. Research priorities reaching consensus were collapsed by removing redundancies, and priority ranking identified 20 research priorities, 11 related to collaboration and 6 to research themes. Conclusions: The top-ranked items for research priorities, research themes and collaborations included the effects of interventions on performance, recovery and return to play; clinical research in sport; and collaborations with researchers in chiropractic educational institutions, respectively. Implications: The prioritisation of research items can be evaluated by key stakeholders (including athletes) and implemented to develop the first international research agenda for sports chiropractic.
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 | 0,030 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».