Physiotherapy for the Management of Polymyalgia Rheumatica: Results From a UK Cross‐Sectional Survey
Notice bibliographique
Résumé
INTRODUCTION: Polymyalgia rheumatica (PMR) international management guidelines advocate patient education and individualised exercises but lack evidence and physiotherapy practice for PMR is unknown. PMR is typically treated with glucocorticoids, but side effects are frequent and concerning to patients. This study investigated UK physiotherapy practice in PMR. METHOD: Physiotherapists recruited from UK rheumatology and physiotherapy professional networks and university alumni were invited to complete a postal or online questionnaire. Topics included experiences of managing PMR, perceived role and value of physiotherapy in PMR, assessment and management priorities and physiotherapists' education about PMR. Results were summarised using descriptive statistics. RESULTS: 4288 invitations to participate were sent, and 1072 (25%) responses were received. Physiotherapy referrals for PMR were infrequent; 5.8% of respondents had treated ≥ 10 patients in the previous year. 80% of respondents advocated a physiotherapy role for PMR. 38% reported receiving some pre-registration education about PMR within their qualifying physiotherapy programme. Establishing patients' knowledge and understanding of PMR, pain levels, and ability to undertake activities of daily living were physiotherapists' assessment priorities. 90% of respondents promoted self-management approaches, including pacing and activity modification. Prioritising upper limbs, 89% prescribed individualised graded exercises to improve movement, muscle strength and activities of daily living function. CONCLUSION: A positive role for physiotherapy was reported for some people with PMR. Exercise, education and advice to improve daily functioning may be useful adjuncts to glucocorticoids. The limited PMR education for UK physiotherapists warrants attention. Further research is needed to evaluate the effectiveness of physiotherapy approaches for PMR.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 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) | 0,003 | 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 ».