Favoriser l’intégration de nouvelles données probantes auprès de la clientèle gériatrique en physiothérapie
Bibliographic record
Abstract
Introduction Malgré les multiples avantages reliés à l’utilisation des données probantes, les professionnels de la physiothérapie présentent des lacunes dans leur utilisation des évidences scientifiques. Il est donc primordial de s’intéresser aux facteurs contribuant à ce constat et de prendre part à l’amélioration du transfert de connaissances (TC) en physiothérapie. Objectifs 1) Présenter les évidences actuelles sur l’utilisation des données probantes en physiothérapie et sur le TC. 2) Contribuer au TC en diffusant sur un blogue des évidences scientifiques actuelles en physiothérapie gériatrique qui pourront être consultées par les professionnels de la physiothérapie au Québec. Démarche méthodologique Une recension des écrits a été faite au sujet du transfert de connaissances en physiothérapie, de la thérapie manuelle orthopédique et des troubles neurocognitifs auprès des personnes âgées. Également, quatre comptes-rendus critiques ont été faits sur des sujets variés de physiothérapie touchant la clientèle gériatrique. Résultats Les principales barrières empêchant un transfert de connaissances optimal ainsi que les facilitateurs et les solutions possibles pour améliorer l’utilisation des données probantes en physiothérapie ont été abordés. Ensuite, des revues de littératures ont été réalisées sur deux sujets différents: 1) l’utilisation de la thérapie manuelle orthopédique pour traiter les pathologies musculosquelettiques communes chez la personne âgée et 2) les particularités de la prévention, de l’évaluation et du traitement en physiothérapie des personnes âgées atteintes de troubles neurocognitifs légers à majeurs. Conclusion L’utilisation des données probantes en physiothérapie est primordiale puisqu’elle permet notamment d’augmenter la qualité des traitements offerts, de diminuer les coûts des soins de santé et d’augmenter l’observance thérapeutique. Les différents textes de ce document qui seront diffusés en ligne permettront possiblement aux cliniciens en physiothérapie d’enrichir leur pratique.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.043 | 0.124 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.010 | 0.007 |
| Open science | 0.003 | 0.008 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.033 | 0.006 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".