How is range of motion of the fingers measured in hand therapy practice? A survey study
Notice bibliographique
Résumé
Introduction A variety of techniques for measuring finger range of motion (ROM) are available for hand therapist use, however, there is no clear description of which finger ROM methods are preferred in practice. This study explored the preferred measurement techniques, the factors influencing clinical decision-making, and the clinical reasoning processes employed when faced with practice-based measurement scenarios. Methods This was a cross-sectional online survey study of hand therapists and American or Canadian Society of Hand Therapists members. Quantitative methods were employed for participant demographics and categorical clinical questions about practice patterns. Qualitative descriptive questions and vignettes were analysed using inductive and deductive content analysis, respectively. Results Four hundred and eighty-one responses were included, representing hand therapists with a median age of 51 years and median experience of 19 years. Participants preferred measuring individual joints with a goniometer ( N = 210, 44%) for perceived utility in informing treatment decisions, reliability, and confidence in measurement skills. Participants also preferred active functional ROM ( N = 117, 24%) for being quick, easy, and useful in informing treatment decisions. Participants reported using different methods with time constraints in a busy clinic, taking precautions with pins/wounds, bulky dressings/casts, pain tolerance levels of patients, or with specific pathologies. Participants’ responses to the multi-stage vignette identified distinct patterns of clinical reasoning approaches within individual vignettes. Conclusions Hand therapists use multiple methods to measure finger ROM while preferring to use goniometers to measure individual finger joints. They engage procedural and pragmatic reasoning modified by contextual factors when measuring finger ROM.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».