Integration of Women’s Cardiovascular Health Content Into Healthcare Provider Education: Results of a Rapid Review and National Survey
Notice bibliographique
Résumé
Despite its importance, formal education in healthcare training programs on sex- and gender-specific cardiovascular disease (CVD) risk factors, symptoms, treatment, and outcomes is lacking. We completed rapid reviews of the academic and grey literature to describe the current state of women-specific CVD education in medical, nursing, and other healthcare education programs. Second, we analyzed results from a Canada-wide survey of healthcare professional education programs to identify gaps in curricula related to sex- and gender-specific training in CVD. Our academic review yielded only 15 peer-reviewed publications, and our online search only 20 healthcare education programs, that note that they specifically address women, or sex and gender, and CVD in their curricula. Across both searches, the majority of training and education programs were from the USA, varied greatly in length, delivery mode, and content covered, and lacked consistency in evaluation. Of surveys sent to 213 Canadian universities and other entry-to-practice programs, 80 complete responses (37.6%) were received. A total of 47 respondents (59%) reported that their programs included women-specific CVD content. Among those programs without content specific to CVD in women, 69.0% stated that its inclusion would add "quite a bit" or "a great deal" of value to the program. This study highlights the emerging focus on and substantial gaps in women-specific CVD training and education across healthcare education programs. All medical, nursing, and healthcare training programs are implored to incorporate sex- and gender-based CVD content into their regular curricula as part of a consolidated effort to minimize gaps in cardiovascular care.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».