Entry-level physical therapist curricula in geriatric care: an Italian national survey study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: To address the health needs of the aging population, it is necessary to map entry-level curricula for health professionals. This survey investigated geriatric-related content in entry-level physical therapist (PT) curricula offered by Italian universities. Methods: A cross-sectional observational study was conducted using the CROSS checklist. A 66 questions survey was developed and sent via e-mail to all entry-level PT program directors of the Italian universities. Results: A total of 34 physical therapist undergraduate course directors out of 62 completed the survey, yielding a 54.8% response rate. These results highlight the need for greater emphasis on health promotion and prevention. Although essential competencies such as the promotion of an active lifestyle and fall prevention appear to be well covered, other aspects remain underrepresented. Relevant gaps were also noted in the care and rehabilitation of some common chronic conditions (e.g., constipation, depression, and diabetes), as well as in therapeutic education. Greater attention to these topics could help align training with the emerging needs of the healthcare system. However, 11.76% of Italian PT programs do not include specific modules or courses dedicated to geriatric rehabilitation. Overall, there is considerable variability in teaching hours, topic coverage, and depth. Conclusions: This study provides meaningful insights for updating the current PT curricula in geriatric care. This survey could represent a tool for future longitudinal research on mapping curricula over time in response to the aging population.
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.
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 découle