Chiropractic students’ characteristics influencing confidence and competence in modulating spinal manipulation force–time characteristics of specific target forces: a secondary analysis of a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Although distinct, confidence and competence play a valuable role in healthcare education. For chiropractic students, both may be important in mastering motor skills required to perform spinal manipulative therapy (SMT). However, little is known about how individual factors influence students' confidence and competence. Better understanding of these associations would enable the development of tailored training. Therefore, this study aimed to investigate associations between demographics, anthropometrics, and prior SMT experience and confidence and competence in performing SMT with specific force-time characteristics in chiropractic students. METHODS: This secondary analysis of a cross-sectional study involved 149 chiropractic students who performed SMT targeting specific peak thrust forces (200 N, 400 N, 800 N). Students were assessed for competence in force-time characteristics (preload, peak thrust force, time to peak force) using the force-sensing table technology, and self-reported their confidence in performing each characteristic. Demographics, anthropometrics, and SMT experience were collected and multivariable linear and logistic regressions were used to assess associations. RESULTS: Confidence was higher in male students, students in later years of study, and those with more SMT experience. Competence in time to peak force was higher among males and third-year students, whereas males and taller students were more likely to reach the 800 N peak thrust force. No other associations were found for competencies. CONCLUSIONS: While certain demographic and experiential factors are associated with increased confidence, these do not consistently translate to competence in SMT force-time characteristics. Targeted training approaches that account for individual student factors to better support them in developing their SMT motor skills are needed.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».