MétaCan
Menu
Retour à la cohorte
Enregistrement W4392547750 · doi:10.3138/ptc-2023-0060

Advanced Practice Physiotherapy in Canada: A Survey of Canadian Physiotherapists

2024· article· en· W4392547750 sur OpenAlexaffvenueabout
Eveline Matifat, Diana Zidarov, Linda J. Woodhouse, François Desmeules

Notice bibliographique

RevuePhysiotherapy Canada · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNursing Roles and Practices
Établissements canadiensUniversité de MontréalHôpital Maisonneuve-Rosemont
Organismes subventionnairesnon disponible
Mots-clésMedicineTriagePhysical therapyNursingFamily medicineMedical emergency

Résumé

récupéré en direct d'OpenAlex

Purpose: Advanced practice physiotherapy (APP) represents an important development for the physiotherapy profession worldwide but few studies have documented these models in Canada and the physiotherapists working in such models. The objective of this study was to identify and describe Canadian physiotherapists in APP roles and their models of care (MoC) and identify barriers and facilitators of APP development in Canada. Method: An electronic survey was sent to Canadian physiotherapists with the collaboration of various professional organizations. The questionnaire included 37 questions about APP roles and MoC. Results: Fifty-seven physiotherapists identified themselves as APPs and completed the survey. Most practised in private clinics (58.1%) or outpatient orthopaedic clinics (27.9%) and provided care to adults (95.3%) with orthopaedics disorders (86.0%). Most APPs were involved in first-contact and leading overall care (52.3%) or triage roles where they identify surgical candidates (68.2%). APPs mentioned their roles were established to improve care efficiency (82.1%) and were viewed positively by medical teams (76.9%) and patients (76.9%). Professional regulations (32.4%) and funding of roles and models (24.3%) were identified as barriers. Conclusions: Results of this study provide new original data regarding APP practice and MoC in Canada, acknowledging the various APP MoC and roles of respondents.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,964
Score d'incertitude au seuil0,264

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,413
Écart entre enseignants0,384 · 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

Citations3
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePhysiotherapy CanadaMême sujetNursing Roles and PracticesTravaux en français237 207