Barriers and facilitators to exercise-based rehabilitation in people with musculoskeletal conditions: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Exercise-based rehabilitation is the first line of treatment for people with musculoskeletal conditions. However, uptake and adherence are suboptimal, compromising the success of rehabilitation. OBJECTIVES: To identify the barriers and facilitators that influence adherence to exercise-based rehabilitation in people with musculoskeletal conditions. Additionally, to identify the methods and instruments used to determine these barriers and facilitators. DESIGN: Systematic review METHODS: Five databases from inception to May 2024 using terms related to exercise, musculoskeletal conditions, methods, barriers and facilitators. Risk of bias was assessed using either the Newcastle-Ottawa Scale or Cochrane risk of bias tool. Using an inductive thematic approach, barriers and facilitators were grouped into intrapersonal, interpersonal and community factors. Methods/instruments were categorized into three groups, being questionnaires, interviews and focus-groups. RESULTS: Eighty-one of 8380 studies were included. The majority of studies were of good or fair quality (95%). The most frequently identified barriers were lack of time (53%), pain (45%) and health (40%). The most frequent facilitators were self-efficacy (42%), perceived health benefits (32%) and previous experiences (30%). The methods used were interviews (n = 53), questionnaires (n = 44) and focus groups (n = 10). CONCLUSION: Most barriers and facilitators to exercise were related to intrapersonal factors. Although there is a lack of consistency in instruments used, the reported barriers and facilitators were similar across studies. Clinicians and researchers should consider intrapersonal factors when promoting exercise-based rehabilitation programs. Applying a theoretical framework to investigate barriers and facilitators to exercise-based rehabilitation in people with musculoskeletal conditions might assist practitioners to prioritize their practice.
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 | 0,017 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».