Perceived determinants of clinical practice guideline implementation for stroke rehabilitation in LMICs a multinational REFORM survey
Notice bibliographique
Résumé
Implementation of clinical practice guidelines (CPGs) is integral to improving the quality of stroke rehabilitation in low- and middle-income countries (LMICs). However, various barriers hinder their effective utilization. This survey aimed to identify the barriers faced by rehabilitation professionals in utilizing CPGs for post-stroke motor rehabilitation. A cross-sectional survey based on the Australian Living Guidelines for Stroke Rehabilitation was developed to identify factors that influence healthcare professionals' adherence to clinical practice guidelines. The survey comprised 50 questions spanning five domains: demographics, work practices, rehabilitation techniques, clinical practice awareness, and CPG feasibility and implementation. A panel of 10 experts validated the questionnaire. The survey was disseminated via emails, through professional associations, and platforms such as WhatsApp, LinkedIn, and X (formerly Twitter). Quantitative analysis data were analysed using Jamovi 2.3.21. The results indicated that less experienced professionals were more likely to implement CPGs, utilize telerehabilitation, and follow transition care protocols, while experienced practitioners adhered to both CPGs and hospital guidelines and employed motor outcome measures. Identified barriers included limited awareness, insufficient training, resource constraints, and challenges related to language and cultural relevance. To enhance CPG implementation, it is necessary to develop context-specific CPGs, establish stepwise clinical protocols, integrate evidence-based practice and CPG training into university curricula, and increase awareness among policymakers and stroke survivors. Engaging diverse stakeholders-patients, caregivers, multidisciplinary teams, and policymakers-is essential to foster an enabling environment for CPG adoption and advancing stroke rehabilitation practices in LMICs.
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 | 0,014 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».