Physical and occupational therapists' learning needs and preferences for education on functional electrical stimulation: A qualitative descriptive study
Notice bibliographique
Résumé
BACKGROUND: Functional electrical stimulation (FES) is an evidence-based intervention that is rarely used by Canadian physical therapists (PTs) and occupational therapists (OTs). A common barrier to FES implementation is a lack of knowledge and training. FES learning resources that meet therapists' learning needs and preferences may address this barrier. OBJECTIVE: To explore OTs' and PTs' perspectives on the utility of FES e-learning resources, including whether the resources met their learning needs and preferences. METHODS: Through this qualitative descriptive study, feedback on FES e-learning resources was solicited from 5 PTs and 18 OTs who work clinically, but do not use FES. Participants reviewed ≥3 prerecorded lectures on FES topics and then completed a semi-structured interview. Participants were asked about the lectures' content, delivery, ease of use and comprehensibility, and were asked to suggest modifications to facilitate self-directed learning about FES. Interviews were analyzed using conventional content analysis. RESULTS: Three themes were identified. (1) Feedback on FES e-learning: the content and delivery of the prerecorded lectures facilitated participants' learning, although opportunities to improve content and delivery were identified. (2) Factors influencing FES learning needs and preferences: Participants identified internal (i.e., baseline knowledge, learning style) and external (i.e., learning with colleagues, practice setting) factors that affected learning. Themes 1 and 2 impacted (3) the effects of FES e-learning: Participants described the outcomes of their FES e-learning, including increases in FES knowledge, confidence, and use in clinical practice. CONCLUSION: Therapists' perceived the FES e-learning resources to be useful and to address their learning needs and preferences.
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 | 0,012 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».