Assessment of nurses’ competence to care for sexually assaulted trans persons: a survey of Ontario’s Sexual Assault/Domestic Violence Treatment Centres
Notice bibliographique
Résumé
OBJECTIVE: Our primary objective was to examine the perceived level of competence and need for additional training among nurses engaged in the care of sexually assaulted trans persons. Among these nurses, a secondary objective was to examine the impact of prior trans-specific training on their perceived level of competence. SETTING: An online survey was distributed to nurses working within 35 hospital-based violence treatment centres in Ontario, Canada. RESPONDENTS: 95 nurses completed the survey. PRIMARY AND SECONDARY OUTCOME MEASURES: The perceived level of competence and need for additional training overall and on 31 specific items associated with initial assessment, medical care, forensic examination and discharge and referral, as well as sociodemographic, work experience and prior training information, was collected and summarised using descriptive and inferential statistics. RESULTS: Almost three-quarters (73.1%) of nurses indicated that they had little or no expertise in caring for trans clients who have been sexually assaulted and 95.7% strongly agreed/agreed that they would benefit from (additional) training. The mean level of competence was 4.00 or greater (strongly agreed/agreed with the statement) for just 9 out of the 31 competencies related to caring for trans clients. Having undergone prior trans-specific training (61.3%) was associated with greater perceived competence in initial assessment (p=0.004) and medical care (p<0.001). CONCLUSION: It is of key importance that nurses demonstrate knowledge of and respond competently to the complex and diverse needs of trans survivors of sexual assault. The nurses surveyed overwhelmingly identified a need for additional training to care for sexually assaulted trans clients. It appears that additional training would be beneficial, as prior trans-specific training was associated with higher perceived competence in delivering certain aspects of care.
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 | 0,002 | 0,005 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».