Supporting the implementation of Osteoarthritis Management Programs in low-and middle-income settings: Understanding clinician training outcomes alongside perceived program barriers and facilitators in Malawi
Notice bibliographique
Résumé
ABSTRACT Objective To examine Malawian physiotherapists’ knowledge and beliefs about Osteoarthritis (OA) and their perceived capabilities to deliver an Osteoarthritis Management Program (OMP) to people with knee and hip OA; and to identify OMP barriers and facilitators in Malawi. Design Two-phased mixed methods formative evaluation Methods Phase 1: Malawian physiotherapists participated in the GLA:D ® Australia training course and answered quantitative pre-and-post course questions that were descriptively summarized, and analysed using McNemar’s test, where appropriate. Phase 2: semi-structured focus groups generated qualitative data that were thematically analysed and mapped to the Consolidated Framework for Implementation Research. Mixed methods data were integrated through triangulation. Results Eleven Malawian physiotherapists [9 (82%) female, 10 (91%) with 5–10 years clinical experience] participated. Post training course, participants’ knowledge of OA management increased regarding the benefits of therapeutic exercise (p=0.002), importance of weight management (p=0.004), and acceptable symptoms profile (p=0.008). Participants’ confidence and beliefs in managing knee and hip OA also increased. Implementation barriers included program costs, current medical management of OA with painkillers, and infrastructure challenges. Implementation facilitators included the content and organisation of GLA:D ® , the ability to adapt the program, and OA awareness and education among other health professionals. Conclusion Knowledge, confidence, and beliefs in managing knee and hip OA improved post GLA:D ® training in Malawian physiotherapists. Increasing education of physiotherapists, other health professionals and the general public about evidence-based OA management and making contextual adaptions to the GLA:D ® training and program structure may facilitate future implementation of OMP, such as GLA:D ® , in low-and-middle income countries.
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 | 0,009 | 0,021 |
| 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 | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».