Diagnostic Concordance Between Physiotherapist and Emergency Physicians for Patients With a Musculoskeletal Disorder in the Emergency Department
Notice bibliographique
Résumé
BACKGROUND: Many patients present to the emergency department (ED) with a musculoskeletal disorder. In consequence, some hospitals have integrated autonomous management of musculoskeletal disorders by physiotherapists after triage. Although potential benefits were demonstrated, few studies have examined the agreement between physiotherapists' and emergency physicians' diagnosis. A better understanding of diagnostic concordance between physiotherapists and emergency physicians could inform the implementation of this care model. METHODS AND FINDINGS: Secondary analysis of data obtained through a pilot pragmatic randomised clinical trial. Data from patients presenting a minor musculoskeletal disorder managed by a physiotherapist and an emergency physician were used. Diagnostic concordance was examined using raw agreement and Gwet's first-order agreement coefficient. Thirty-six participants were assessed by both professionals (36.8 ± 18.2 years; W: 55.6%). Overall raw agreement was 86.1% and the diagnostic concordance was almost perfect (Gwet's AC1: 0.84, 95% CI: 0.69-0.98). The most common disagreement was when physiotherapists suspected a bone fracture or contusion, whereas emergency physicians diagnosed a ligament or meniscus disorder. CONCLUSIONS: Our results show excellent diagnostic concordance between physiotherapists and emergency physicians, thus supporting the safety of physiotherapy care in the ED. More studies are needed to confirm these results with a larger variety of diagnoses and age strata.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 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 ».