Empirically Supported Interventions for Sexual and Gender Minority Youth
Notice bibliographique
Résumé
When empirically supported treatments (ESTs) are effectively adapted for use with minority populations, they may be more efficacious. As such, there is a need to adapt existing ESTs for use with diverse sexual and gender minority youth (SGMY). The unique bias-based challenges faced by SGMY require the integration of affirmative practices into ESTs to effectively address the specific needs of this underserved group of youth. The primary purpose of the authors in this article is to present a clearly articulated stakeholder driven model for developing an affirmative adapted version of cognitive behavioral therapy (CBT) for use with diverse SGMY. The authors' approach to adaptation follows the "adapt and evaluate" framework for enhancing cultural congruence of interventions for minority groups. A community based participatory research approach, consistent with a stakeholder driven process, is utilized to develop the intervention from the ground up through the voices of the target community. Researchers conducted 3 focus groups with culturally diverse SGMY to explore salient aspects of youths' cultural and SGM identities in order to inform the intervention and ensure its applicability to a wide range of SGMY. Focus group data is analyzed and integrated into an existing group-based CBT intervention. The following themes emerge as critical to affirmative work with diverse SGMY: (1) the interplay between cultural norms, gender norms, sexual orientation, and gender identity; (2) the complex role of religious community within the lives of SGMY; and (3) consideration of extended family and cultural community as youth navigate their SGM identities.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».