An online training resource for clinicians to optimise exercise prescription for persistent low back pain: Design, development and usability testing
Notice bibliographique
Résumé
BACKGROUND: Low back pain (LBP) is the leading cause of disability worldwide. A recent realist review identified the behavioural mechanisms of trust, motivation, and confidence as key to optimising exercise prescription for persistent LBP. OBJECTIVES: Our objectives were to (1) design and develop an online training programme, and (2) gain end-user feedback on the useability, usefulness, informativeness and confidence in using the online training programme using a mixed-methods, pre-post study design. PARTICIPANTS AND INTERVENTION: The online training programme was designed and developed using the results from a realist review, and input from a multi-disciplinary stakeholder group. A five-module online training programme was piloted by the first 10 respondents who provided feedback on the course. Further modifications were made prior to additional piloting. The satisfaction, usefulness, ease of use, and confidence of clinicians in applying the learned principles were assessed on completion. RESULTS: The online programme was advertised to clinicians using social media. Forty-four respondents expressed initial interest, of which 22 enrolled and 18 completed the course. Of the participants, most were physiotherapists (n = 16/18, 88.9%), aged between 30 and 49 (n = 11/18, 61.1%). All participants were satisfied with the course content, rated the course platform as easy to use and useful, and reported that they were very confident to apply the learning. Most (n = 10/14, 71.4%) reported that their manner of prescribing exercise had changed after completion of the course. CONCLUSIONS: An online training programme to optimise exercise prescription for persistent LBP appears to be easy to use, informative and improves confidence to apply the learning.
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 | 0,002 |
| 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 ».