Medical students’ perception of lesbian, gay, bisexual, and transgender (LGBT) discrimination in their learning environment and their self-reported comfort level for caring for LGBT patients: a survey study
Notice bibliographique
Résumé
BACKGROUND: Historically, medical students who are lesbian, gay, bisexual or transgendered (LGBT) report higher rates of social stress, depression, and anxiety, while LGBT patients have reported discrimination and poorer access to healthcare. OBJECTIVE: The objectives of this study were: (1) to assess if medical students have perceived discrimination in their learning environment and; (2) to determine self-reported comfort level for caring for LGBT patients. DESIGN: Medical students at the University of Ottawa (N = 671) were contacted via email and invited to complete a confidential web-based survey. RESULTS: Response rate was 15.4% (103/671). This included 66 cis-gender heterosexuals (64.1%) and 37 LGBT students (35.9%). Anti-LGBT discrimination had been witnessed by 14.6% and heterosexism by 31.1% of respondents. Anti-LGBT discrimination most often originated from fellow medical students. Respondents who self-identified as LGBT were more likely to have perceived heterosexism (favoring opposite-sex relationships) (OR = 8.2, p < 0.001) or anti-LGBT discrimination (OR = 6.6, p = 0.002). While half of LGBT students shared their status with all classmates (51.4%), they were more likely to conceal this from staff physicians (OR = 27.2, p = 0.002). Almost half of medical students (41.7%) reported anti-LGBT jokes, rumors, and/or bullying by fellow medical students and/or other members of the healthcare team. Still, most respondents indicated that they felt comfortable with and capable of providing medical care to LGBT patients (≥83.5%), and were interested in further education around LGBT health issues (84.5%). CONCLUSION: Anti-LGBT discrimination and heterosexism are noted by medical students, indicating a suboptimal learning environment for LGBT students. Nonetheless, students report a high level of comfort and confidence providing health care to LGBT patients.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».