Profile of patients presenting to Australian osteopaths: Results from a national health service use survey
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
Musculoskeletal conditions are one of the most common complaints affecting the Australian population. Affected individuals often seek care from a range of health professionals including osteopaths. Osteopaths provide care for musculoskeletal conditions using manual therapy, exercise, and patient education. The current study is a secondary analysis of data from an Australian health service use survey. Respondents were asked to indicate the range of health professionals they consulted during the period February 2021 and February 2022. Additional data collected from respondents related to demographic variables, presence of chronic conditions in addition to the Personal Wellbeing Index (PWI) and Short Form 20 (SF-20). Data were descriptively analysed based on whether the respondent reported consulting with an osteopath or not. In the period February 2021-February 2022, of the 2354 respondents, 143 (6.1%) indicated they had consulted with an osteopath. Over half of those who consulted with an osteopath identified as female (51.7%), had private health insurance (59.4%) and/or a healthcare card (69.9%). No significant difference was observed between respondents who consulted with an osteopath and those who did not for PWI scores (p>0.05). SF-20 scores were significantly lower for those who consulted with an osteopath compared with those who did not (p<0.01). This secondary analysis contributes to our understanding of the profile of patients presenting to Australian osteopaths, particularly health related quality of life and subjective wellbeing of this patient cohort.
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 | 0,001 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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