Artists' satisfaction with telerehabilitation in physiotherapy during the COVID‐19 pandemic: A cross‐sectional study
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: To our knowledge, there is currently no research on telerehabilitation concerning artists. This study aims to assess the feasibility, acceptability, and effectiveness of utilizing video-based telerehabilitation in physiotherapy among artists during the COVID-19 pandemic. METHODS: Fifty-one artists who accessed virtual physiotherapy between November 2020 and February 2022 at a healthcare center that provides specialized healthcare services to artists of all disciplines who reside or work in Ontario, Canada were asked to complete a 26-item online questionnaire about their experience with virtual physiotherapy. RESULTS: The 51 respondents were from a range of artistic disciplines, with the largest portion being musicians (n = 22; 43%). Of the respondents, 86% (n = 44) felt the virtual physiotherapy met their expectations in therapeutic benefits, 78% (n = 40) were confident in performing all the exercises that the physiotherapist demonstrated on the virtual platform, 80% (n = 41) did not run into many technological challenges when booking or attending virtual sessions, and 54% (n = 20) reported similar treatment outcomes between virtual and in-person sessions. Although artists liked the convenience of accessing physiotherapy from home, 53% (n = 17) of respondents rated the lack of physical contact as a major limitation in telerehabilitation. CONCLUSION: Telerehabilitation for artists during the COVID-19 pandemic has shown potential to be an effective and viable alternative to in-person physiotherapy, as demonstrated by high satisfaction levels and comparable treatment outcomes, especially when public health restrictions were in place. Future research can explore hybrid models (mix of in-person and virtual sessions) in physiotherapy to meet the needs for physical contact during sessions.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».