First-contact physiotherapists’ perceived competency in a new model of care for low back pain patients: a mixed methods study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: A new advanced practice model of care enables French physiotherapists to perform medical acts for low back pain (LBP) patients as first-contact physiotherapists (FCPs). Objective: The aim of this study is to determine the self-perceived competency of FCPs and to further explore factors underpinning this feeling. Methods: A mixed-methods explanatory sequential design was conducted. A survey was used to self-assess the perceived competency of FCPs in performing medical tasks. Semi-structured interviews were then performed to explore determining factors of perceived competency. Inductive thematic analysis was performed. Results: Nine FCPs answered the survey and were interviewed (mean age 40.1, standard deviation [SD]: ±10.0). FCPs felt very competent with making medical diagnosis (3.44/4, SD: ±0.53), analgesic prescription (3.11, SD: ±0.78) and referring onward to physiotherapy (3.78, SD: ±0.55). They did not feel competent with nonsteroidal anti-inflammatory drug prescription (2.78, SD: ±0.67) and issuing sick leave certificate (2.67, SD: ±1.0). The main identified influencing factors were previous FCPs' experience, training, knowledge, collaboration with family physicians, high responsibility and risk management associated with decision-making. Conclusion: French FCPs appeared to have the necessary skills to directly manage LBP patients without medical referral. Future training focusing on analgesic prescription and issuing sick leave certificate is however needed.
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.
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 | 0,000 | 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 découle