Pharmacogenomics Education and Knowledge Assessment in Healthcare Curricula: A Scoping Review of the Middle East and North Africa Region
Notice bibliographique
Résumé
Pharmacogenomics (PGx) is a crucial part of precision medicine; however, its integration into clinical practice has been slow, primarily due to knowledge gaps regarding pharmacogenomics among healthcare professionals (HCPs). Pharmacogenomics education is considered the most influential barrier to the successful implementation of PGx. In the Middle East and North Africa (MENA) region, several studies have highlighted the lack of PGx education among students and HCPs. This scoping review aims to provide an overview of the existing literature on how PGx is delivered in the curricula and its impact on knowledge acquisition among students and HCPs in the MENA region. A database search of PubMed, Embase, and CINAHL was conducted up to June 2023. Outcomes included PGx education availability, curriculum placement, mode of delivery, and knowledge level. Seven cross-sectional studies were identified (2014-2023), with 57% from the Gulf region. PGx education is mostly taught to undergraduates (71%) through didactic lectures (100%), with only a few studies reporting a standalone course (29%). Participants demonstrated low (43%) to moderate (43%) knowledge levels, assessed using objective scales or subjective self-assessment after completion of the course. Reported barriers to implementing PGx education included knowledge gaps, economic constraints, and system sustainability. PGx education in the MENA region is delivered mainly as an integrated course in professional programs including pharmacy and medicine, and the overall knowledge level was low to moderate. Future research could focus on providing more detailed reporting of the PGx educational landscape, developing standardized assessment tools, and evaluating actual knowledge acquisition among different professions.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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 ».