MétaCan
Menu
Retour à la cohorte
Enregistrement W6977441165 · doi:10.6084/m9.figshare.c.5638389

The association between chiropractors’ view of practice and patient encounter-level characteristics in Ontario, Canada: a cross-sectional study

2021· other· en· W6977441165 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2021
Typeother
Langueen
DomaineComputer Science
ThématiqueInformation and Cyber Security
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChiropracticLogistic regressionOdds ratioAssociation (psychology)Multilevel modelConfoundingOddsMEDLINE

Résumé

récupéré en direct d'OpenAlex

Abstract Background Chiropractors have diverse views of practice, but the impact on their patient profiles and treatment approaches remains unclear. We assessed the association between chiropractors’ view of practice (unorthodox versus orthodox) and patient encounter-level characteristics among chiropractors who practice in Ontario, Canada. Methods We conducted a cross-sectional study using Ontario Chiropractic Observation and Analysis STudy (O-COAST) data. In O-COAST, Ontario chiropractors were randomly recruited from a list of registered chiropractors in 2015 and recorded up to 100 consecutive patient encounters. We classified chiropractors’ response regarding their views of practice as unorthodox when viewing “vertebral subluxation as an encumbrance to health that is corrected to benefit overall well-being”; other views were considered orthodox. Patient encounter-level characteristics included: (1) non-musculoskeletal reason-for-encounter; (2) subluxation as diagnosis; (3) duration of encounter (log-transformed for modeling); (4) unimodal manipulative treatment; and (5) patient health characteristics (good health status, some activity limitations). We conducted multilevel logistic regression to assess the association between view of practice and aforementioned characteristics, accounting for potential confounders and clustering of encounters within chiropractors. The multilevel models had two levels (level 1—patient encounter level; level 2—chiropractor level), with level 1 patient encounters nested within level 2 chiropractors. Results We included 40 chiropractors (mean age = 43.4 years, SD = 11.5) and 3,378 chiropractor-patient encounters. The 2,332 unique patients identified had a mean age of 48.5 years (SD = 18.5). Chiropractors with unorthodox views had higher odds of having patients with a non-musculoskeletal reason-for-encounter (adjusted odds ratio (aOR) 16.5, 95% CI 3.2–84.0) and subluxation as diagnosis (aOR 63.0, 95% CI 4.2–949.1). Encounters of chiropractors with unorthodox views were 0.6 times shorter than those with orthodox views (95% CI 0.4–0.9). Chiropractor level explained 32%, 75%, and 49% of the variability in non-musculoskeletal reason-for-encounter, subluxation as diagnosis, and encounter duration, respectively. We observed no association between unorthodox view and unimodal manipulative treatment or patient health characteristics. Conclusions Chiropractors’ unorthodox view of practice was associated with treating non-musculoskeletal conditions, subluxation as diagnosis, and shorter duration of encounter. Chiropractor level explained a high proportion of variability in these outcomes. Findings have implications for understanding chiropractic practice and informing interprofessional collaboration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,178

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,005
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,268
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetInformation and Cyber SecurityTravaux en français237 207