Use of Practice-Based Research Networks in Massage Therapy Research
Notice bibliographique
Résumé
Massage therapy is a profession, not simply an intervention, and pathways are needed to connect all key massage therapy profession components-clinicians, patient/clients, and the work-to the scholarship and research that describes, investigates, and shapes practice. While the volume of massage-related research has grown over the past few decades, much of the growing massage evidence base is not reflective of real-world massage therapy, nor is research typically conducted through the clinical lens of the massage therapy discipline. This situation reflects the unfortunate disconnect between massage therapy research and massage therapy practice, while magnifying a key research infrastructure deficiency within the massage therapy discipline: the who and where research is conducted is disconnected from the who and where massage therapy is practiced. Practice-based research networks (PBRNs) are a staple of primary care and other health professions research reflecting real life, discipline-focused practice that seeks to address the needs of the discipline's practitioners and patients. The PBRN model fits well with the directional need of massage therapy research. This paper presents a commentary on the use of PBRNs in massage therapy research, and the current state of PBRN research within the field of massage therapy, namely the recently launched MassageNet PBRN.
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 | 0,488 | 0,562 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,023 | 0,148 |
| Communication savante | 0,040 | 0,068 |
| Science ouverte | 0,008 | 0,035 |
| Intégrité de la recherche | 0,027 | 0,040 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».