Transphobia rather than education predicts provider knowledge of transgender health care
Notice bibliographique
Résumé
PURPOSE: Transgender and gender diverse (TGD) patients face significant hurdles in accessing affirming, knowledgeable care. Lack of provider knowledge presents a substantial barrier to both primary and transition-related care and may deter patients from seeking health care. Little is known about factors that affect provider knowledge or whether exposure to TGD health content during training is associated with improved knowledge among providers. Using the TGD Healthcare Knowledge Scale, this study aimed to determine whether prior education on TGD health predicts clinicians' current knowledge regarding health care for TGD patients. METHODS: An online survey examining exposure to TGD content and knowledge of TGD health care was distributed to all primary care providers in an integrated health care system in the Midwestern United States. Multivariable linear regression was used to predict provider knowledge, controlling for demographics, transphobia and other potential confounders. RESULTS: The response rate was 57.3% (n = 223). The mean knowledge score was 7.41 (SD = 1.31) on a 10-point scale. Almost half (48.4%, n = 108) had no formal education on TGD health care, yet half (49.7%, n = 111) of providers reported previously caring for at least one transgender patient. In regression analysis, provider knowledge of TGD health care was associated with transphobia (β = -0.377, 95% CI = -0.559 to -0.194, p < 0.001), but not with hours of formal education (β = -0.027, 95% CI = -0.077 to 0.023, p = 0.292) or informal education (β = -0.012, 95% CI = -0.033 to 0.009, p = 0.259). CONCLUSIONS: Increasing hours of education related to TGD health care may not be sufficient to improve providers' competence in care for TGD individuals. Transphobia may be a barrier to learning that needs to be addressed. Broader efforts to address transphobia in society in general, and in medical education in particular, may be required to improve the quality of medical care for TGD 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 | 0,010 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».