Women’s Cardiac Rehabilitation Barriers: Results of the International Council of Cardiovascular Prevention and Rehabilitation’s First Global Assessment
Notice bibliographique
Résumé
BACKGROUND: Cardiac rehabilitation (CR) programs are underutilized globally, especially by women. In this study we investigated sex differences in CR barriers across all world regions, to our knowledge for the first time, the characteristics associated with greater barriers in women, and women's greatest barriers according to enrollment status. METHODS: In this cross-sectional study, the English, Simplified Chinese, Arabic, Portuguese, or Korean versions of the Cardiac Rehabilitation Barriers Scale was administered to CR-indicated patients globally via Qualtrics from October 2021 to March 2023. Members of the International Council of Cardiovascular Prevention and Rehabilitation community facilitated participant recruitment. Mitigation strategies were provided and rated. RESULTS: Participants were 2163 patients from 16 countries across all 6 World Health Organization regions; 916 (42.3%) were women. Women did not report significantly greater total barriers overall, but did in 2 regions (Americas, Western Pacific) and men in 1 (Eastern Mediterranean; all P < 0.001). Women's barriers were greatest in the Western Pacific (2.6 ± 0.4/5) and South East Asian (2.5 ± 0.9) regions (P < 0.001), with lack of CR awareness as the greatest barrier in both. Women who were unemployed reported significantly greater barriers than those not (P < 0.001). Among nonenrolled referred women, the greatest barriers were not knowing about CR, not being contacted by the program, cost, and finding exercise tiring or painful. Among enrolled women, the greatest barriers to session adherence were distance, transportation, and family responsibilities. Mitigation strategies were rated as very helpful (4.2 ± 0.7/5). CONCLUSIONS: CR barriers-men's and women's-vary significantly according to region, necessitating tailored approaches to mitigation. Efforts should be made to mitigate unemployed women's barriers in particular.
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 | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».