Effectiveness of an interprofessional assessment and management approach for people with chronic low back disorders delivered via virtual care: A randomized controlled trial pilot intervention
Notice bibliographique
Résumé
Objective: Virtual care for chronic conditions has seen uptake due to COVID-19. Evaluation of virtual models is important to ensure evidence-based practice. There is a paucity of research in the use of virtual care for management of chronic back disorders. The objective of this study was to evaluate effectiveness of a team-based virtual care model for back disorder assessment where a physical therapist uses virtual care to join a nurse practitioner and patient in a rural Saskatchewan, Canada community. Methods: = 20). The team-based care group involved a nurse practitioner located with a rural patient, and a physical therapist joining using virtual care. The physical therapist alone and the nurse practitioner alone groups received in-person assessments. Groups with a physical therapist involved had follow-up treatments by in-person physical therapy. Outcomes over six months included pain, disability, back beliefs, satisfaction, quality-adjusted health status and management-related costs. Results: There were no significant differences for pain, disability, back beliefs and satisfaction between groups. The average cost per patient for implementing in-person physical therapist assessment ($135) was higher compared with the team over virtual care ($118) and NP care ($59). Conclusion: Primary outcomes were not different by group. Physical therapist alone was more costly than other groups. Future research should include more participants, longer follow-up time and refined cost parameters. Trial Registration: ClinicalTrials.gov NCT02225535; https://clinicaltrials.gov/ct2/show/NCT02225535 (Archived by WebCite at http://www.webcitation.org/6lqLTCNF7).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».