Prioritizing mobility factors for assessment during the transition of older adults from hospital to home: a cross-sectional survey of physiotherapists in Southeastern Nigeria
Notice bibliographique
Résumé
BACKGROUND: Assessing all factors influencing older adults' mobility during the hospital-to-home transition is not feasible given the complex and time-sensitive nature of hospital discharge processes. OBJECTIVE: To describe the mobility factors that Nigerian physiotherapists prioritize to be assessed during hospital-to-home transition of older adults and explore the differences in the prioritization of mobility factors across the physiotherapists' demographics and practice variables. METHODS: This cross-sectional study included 121 physiotherapists who completed an online questionnaire, ranking 74 mobility factors using a nine-point Likert scale. A factor was prioritized if ≥ 70% of physiotherapists rated the factor as "Critical" (scores ≥7) and ≤ 15% of physiotherapists rated a factor as "Not Important" (scores ≤3). We assessed the differences in the prioritization of mobility factors across the physiotherapists' demographics/practice variables using Mann Whitney U and Kruskal-Wallis tests. FINDINGS: Forty-three of 74 factors were prioritized: four cognitive, two environmental, one financial, four personal, eighteen physical, seven psychological, and seven social factors. Males and those with self-reported expertise in each mobility determinants more frequently rated factors as critical. CONCLUSION: Prioritizing many mobility factors underscores the complex nature of mobility, suggesting that an interdisciplinary approach to addressing these factors may enhance post-hospital discharge mobility outcomes.
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 | 0,000 | 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 ».