Routine collection of sexual orientation and gender identity data: a mixed-methods study
Notice bibliographique
Résumé
BACKGROUND: Sexual orientation and gender identity are key social determinants of health, but data on these characteristics are rarely routinely collected. We examined patients' reactions to being asked routinely about their sexual orientation and gender identity, and compared answers to the gender identity question against other data in the medical chart on gender identity. METHODS: We analyzed data on any patient who answered at least 1 question on a routinely administered sociodemographic survey between Dec. 1, 2013, and Mar. 31, 2016. We also conducted semistructured interviews with 27 patients after survey completion. RESULTS: The survey was offered to 15 221 patients and 14 247 (93.6%) responded to at least 1 of the sociodemographic survey questions. Most respondents answered the sexual orientation (90.6%) and gender identity (96.1%) questions. Many patients who had been classified as transgender or gender diverse in their medical chart did not self-identify as transgender, but rather selected female (22.9%) or male (15.4%). In the semistructured interviews, many patients expressed appreciation at the variety of options available, although some did not see their identities reflected in the options and some felt uncomfortable answering the questions. INTERPRETATION: We found a high response rate to questions about sexual orientation and gender identity. Fitting with other research, we suggest using a 2-part question to explore gender identity. Future research should evaluate the acceptability and feasibility of administering these questions in a variety of care settings. These data can help organizations identify health inequities related to sexual orientation and gender identity.
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 | 0,006 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».