Hand orthoses–related factors affecting patient satisfaction and adherence: A scoping review and checklist design
Notice bibliographique
Résumé
Orthoses are essential in managing musculoskeletal conditions, but factors influencing patient satisfaction and adherence are less known. This review seeks to address this gap. Online databases (CINAHL, Embase, Scopus, PubMed, Cochrane Reviews, Web of Science, and Google Scholar) were searched without time limitation till 2024. Studies were included if they addressed hand orthoses satisfaction and adherence. Data were extracted on factors affecting satisfaction and adherence related to hand orthoses. A thematic analysis approach was employed to develop and refine a comprehensive informal checklist through expert panel consultation. After eligibility screening, we included 20 papers published between 2000 and 2023. The review identified vital orthoses-related factors for custom-made orthoses, such as comfort, durability, and fit. For 3D-printed orthoses, factors like precision, printing efficiency, and safety were highlighted, affecting adherence to orthoses use. In addition, expert consultations contributed significantly, adding factors such as initial strength and surface smoothness for custom-made orthoses, ease of readjusting, design freedom, and environmental impact for 3D-printed orthoses. Two final checklists for patients and therapists were developed based on all extracted factors, which furthered our understanding of factors influencing orthoses adherence. This review highlights the significant orthoses-related factors impacting patient satisfaction and adherence. The derived checklists are beneficial tools for therapists and patients to ensure orthoses adherence, aiming for improved therapeutic results.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 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 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 ».