Quality of Non‐Surgical and Non‐Pharmacological Knee Osteoarthritis Care in the Maritimes
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the quality and types of care individuals with mild-to-moderate knee osteoarthritis receive in the Canadian Maritime provinces, and determine associations with demographic, social, and patient-reported factors. METHODS: Individuals with knee osteoarthritis were invited to complete a healthcare quality survey based on the British Columbia Osteoarthritis (BC OA) survey. The cross-sectional descriptive observational survey assessed four healthcare quality indicators: advice to exercise, advice to lose weight, assessment of ambulatory function, and assessment of non-ambulatory function. Pass-rates were calculated overall and for each quality indicator. Binary logistic regressions determined associations between quality indicators and demographic, social, and patient-reported outcomes. Patient-reported use of exercise and diet as arthritis treatments were added to the quality indicator eligibility criteria as a sensitivity analysis. RESULTS: and were 77% female. The overall pass rate was 42.9% using the BC OA criteria, and 49.3% in the sensitivity analysis. Individual quality indicator pass-rates ranged from 4.3% for non-ambulatory function to 85.7% for ambulatory function assessments. The sensitivity analysis increased pass-rates for advice to exercise (61.9%-69.3%) and advice to lose weight (27.9%-35.1%). Pass-rates were not driven by demographic, social, or patient-reported factors. CONCLUSIONS: Over half of individuals with mild-to-moderate knee osteoarthritis did not receive recommended core treatments in the Maritimes, highlighting a need to improve care for this patient group. Quality indicators should be routinely evaluated to determine whether clinical care aligns with best practice guidelines.
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 | 0,000 | 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 ».