Exploring Gender-based Experiences in a Digitally Delivered Cardiac Rehabilitation Program: Qualitative Insights From the My Heart Coach Program
Notice bibliographique
Résumé
BACKGROUND: Cardiac rehabilitation (CR) is a cornerstone of secondary prevention for individuals with cardiovascular disease, yet participation remains suboptimal, particularly among women. Digital CR programs offer flexible alternatives; however, little is known about how gender influences engagement and experience in these settings. METHODS: This qualitative descriptive study explored gendered experiences within the My Heart Coach (MHC) digital CR program. Thirty-two participants (20 women, 12 men), mean age 63.7 years, who had completed the 12-week program were purposively sampled to ensure diversity in education, employment, stress, ethnicity, and geographic region. Semi-structured interviews were conducted between November 2024 and May 2025, audio-recorded and transcribed verbatim. Thematic analysis was used to identify patterns in participant narratives. Data collection and analysis proceeded iteratively until thematic saturation was achieved. RESULTS: Three major themes were identified. Theme one, "From Cardiac Event to Recovery - Characterizing the MHC Cohort," explores participants' gender-based experiences of having a cardiac event. Theme two, "Gender and Accessibility with Digital Program Elements," highlights gender-based differences in engagement with the CR program. Women and men encountered distinct barriers and facilitators, with women prioritizing flexibility and social connection, and men valuing privacy and autonomy. Theme three, "Rebuilding - Gendered Motivations and Identity in Digital Cardiac Rehabilitation," explores other program motivators, facilitators, and changes following completion of the digital program. CONCLUSION: Gender shapes how participants experience and engage in digital CR programs. These findings underscore the need for a gender-responsive design in CR that can enhance participation and support diverse needs in a scalable manner.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,010 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».