Building inclusive rehabilitation education: A scoping review protocol on EDI approaches and impact
Notice bibliographique
Résumé
INTRODUCTION: Equity, diversity, and inclusion (EDI) interventions are critical in fostering accessible and supportive educational environments in rehabilitation professions such as physiotherapy, occupational therapy, and speech-language pathology. These interventions promote cultural competence and reduce systemic inequities, enabling rehabilitation providers to address healthcare disparities and meet the diverse needs of patient populations. Despite increasing awareness, the scope, implementation, and impact of EDI interventions in rehabilitation education remain underexplored. AIM: This scoping review aims to map the existing literature on EDI interventions in rehabilitation education, focusing on methods, strategies, and their impact on learners' outcomes, including cultural competence, professional practice, and attitudes toward diversity. METHODS: The review follows the Joanna Briggs Institute methodology and PRISMA-Scr guidelines. Studies involving healthcare students and educators in rehabilitation disciplines are eligible. The concept includes EDI-focused interventions, such as curricular reforms, diversity training, and inclusive teaching practices. Eligible contexts include academic and healthcare settings. A comprehensive search strategy will be applied across databases including MEDLINE, EMBASE, and CINAHL, supplemented by grey literature searches. Inclusion criteria follow the Population, Concept, and Context (PCC) framework. RESULTS: This review will chart interventions, their educational context, and their outcomes. Key data to be extracted include study design, intervention details, and learner outcomes, emphasizing cultural competence and attitudes. CONCLUSION: Findings will provide a consolidated framework for developing evidence-based EDI interventions in rehabilitation education, addressing gaps in preparing a workforce capable of delivering equitable care in diverse contexts. Recommendations will guide future research and practice, advancing inclusivity and equity in rehabilitation education.
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 | 0,102 | 0,091 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,015 | 0,014 |
| Bibliométrie | 0,028 | 0,027 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,006 | 0,010 |
| Intégrité de la recherche | 0,008 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,062 | 0,011 |
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 ».