Implementation considerations of aquatic therapy post-stroke: A qualitative study from Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Aquatic therapy is an effective alternative approach to therapy on land in facilitating mobility and independence after a stroke. Despite the evidence reporting on the effectiveness of many aquatic interventions, there is a lack of studies elucidating essential implementation factors for aquatic therapy post-stroke. MATERIALS AND METHODS: A purposive sample of people with lived experience of stroke and healthcare providers participated in semi-structured interviews about their experiences with aquatic therapy. A deductive content analysis approach using the Consolidated Framework for Implementation Research (CFIR) was used to identify the essential aspects of aquatic therapy implementation post-stroke. RESULTS: Twenty-three participants (9 people with stroke experience and 14 healthcare providers) participated in the study, from across the province of Ontario in Canada. The interview data were all relevant to the five main CFIR constructs and to some of the sub-constructs. Although participants were highly favorable to aquatic therapy, several implementation considerations in terms of costs, program structure, provider qualifications, and pool access were identified at the patient, provider, and system level. CONCLUSION: The CFIR proved valuable in identifying contextual factors relevant to implementing aquatic therapy with the stroke population. These factors included the importance of education, barriers to accessing aquatic therapy in rehabilitation and community settings, and internal and external factors influencing the application of aquatic therapy post-stroke.
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 | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».