Primary healthcare professionals’ views on cardiovascular rehabilitation and disease management
Notice bibliographique
Résumé
Background Despite its benefits, cardiovascular rehabilitation (CR) is underutilised and not widely accessible globally, including in Brazil, where public CR programs are linked to the Unified Health System (SUS). Limited availability, significant access barriers, and the essential role of professionals in Basic Health Unit (BHU) — that is, community-based facilities that deliver primary healthcare services — impact CR's reach in Brazil. Aim To explore the perspectives and experiences of BHU professionals regarding CR and the management of cardiovascular diseases (CVDs) in Adamantina, Brazil. Methods A qualitative approach was used, involving nine focus groups with 71 BHU healthcare providers, including nurses, physicians, nursing assistants, community health workers, physiotherapists, and nutritionists. Thematic analysis was conducted. Findings Participants had an average age of 39.5 years and 9.9 years of professional experience; 71.8% held a university degree or higher. On average, they managed 584 patients monthly, with 53% diagnosed with CVD. Five main themes were generated: (1) comprehensive management of CVD, (2) roles of BHU professionals, (3) awareness of CR, (4) challenges in patient adherence to behaviour change, and (5) obstacles in accessing CR services. Participants demonstrated limited knowledge of CR, with inadequate referral processes and infrastructure challenges impeding effective CR integration. Discussion Findings highlight the need to address knowledge gaps, improve referral pathways, and enhance infrastructure to better integrate CR into primary healthcare. Despite recognising CR's importance, BHU professionals face significant challenges in its implementation and promotion. Conclusion Strengthening professional education, optimising referral systems, and improving infrastructure are critical to increasing CR accessibility and improving outcomes in primary care settings.
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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».