Personalizing rehabilitation for individuals with musculoskeletal impairments: Feasibility of implementation of the Measures Associated to Prognostic (MAPS) tool
Notice bibliographique
Résumé
INTRODUCTION: tic (MAPS) tool is a standardized questionnaire that integrates validated prognostic tools to detect the presence of biopsychosocial prognostic factors in patients consulting for musculoskeletal disorders. PURPOSE: The objectives were to assess the: 1) feasibility of implementation of the MAPS tool, 2) clinicians' acceptability of the dashboard, and 3) patients' acceptability of the MAPS tool. METHODS: Twenty physiotherapists and two occupational therapists from seven outpatient musculoskeletal clinics were recruited to implement the MAPS tool during a 3-month timeframe, where new patients completed the questionnaire upon initial assessment. The results were presented to the clinicians via a dashboard. Surveys and semi-structured interviews were conducted to measure feasibility and acceptability. RESULTS: Six out of 11 feasibility criteria (55%) and 21 out of 24 acceptability criteria (88%) reached the a priori threshold for success. The interviews allowed us to identify three main themes to facilitate implementation: 1) limiting the burden, 2) ensuring patients' understanding of the tool's purpose, and 3) integrating the dashboard as a clinical information tool. CONCLUSION: Our quantitative and qualitative results support the feasibility of implementation and acceptability of the MAPS tool pending minor adjustments. Depicting the patients' prognostic profile has the potential to help clinicians optimize their interventions for patients presenting with musculoskeletal disorders.
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 | 0,004 | 0,004 |
| 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 ».