How to Integrate Sex and Gender Medicine into Medical and Allied Health Profession Undergraduate, Graduate, and Post-Graduate Education: Insights from a Rapid Systematic Literature Review and a Thematic Meta-Synthesis
Notice bibliographique
Résumé
Sex and gender are concepts that are often misunderstood and misused, being utilized in a biased, preconceived, interchangeable way. Sex and gender medicine is generally overlooked, despite the profound impact of sex and gender on health outcomes. The aims of the present rapid systematic literature review were (i) to assess the extent to which sex- and gender-sensitive topics are covered in medical courses; (ii) to assess the need for and willingness toward integrating/incorporating sex and gender medicine into health-related education; (iii) to identify barriers and facilitators of the process of implementation of sex and gender medicine in medical teaching, mentoring, and training; and (iv) to evaluate the effectiveness of interventional projects targeting curriculum building and improvement for future gender-sensitive physicians. Seven themes were identified by means of a thematic analysis, namely, (i) how much sex- and gender-based medicine is covered by medical courses and integrated into current medical curricula, (ii) the knowledge of sex and gender medicine among medical and allied health profession students, (iii) the need for and willingness toward acquiring sex- and gender-sensitive skills, (iv) how to integrate sex- and gender-based medicine into medical curricula in terms of barriers and facilitators, (v) existing platforms and tools to share knowledge related to sex and gender medicine, (vi) sex- and gender-based medicine aspects in the post-medical education, and (vii) the impact of sex- and gender-sensitive topics integrated into medical curricula. Based on the identified gaps in knowledge, further high-quality, randomized trials with larger samples are urgently warranted to fill these gaps in the field of implementation of gender medicine in educating and training future gender-sensitive physicians.
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 | 0,123 | 0,231 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,022 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».