“It makes such a difference”: An examination of how LGBTQ youth talk about personal gender pronouns
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: The World Health Organization has developed standards for youth-friendly health services to support adolescents and encourage health care utilization among youth. Necessary building blocks for youth-friendly care include strong interpersonal relationships between youth and health care providers. Nurse practitioners (NPs) may be particularly well positioned to form these relationships. This study explored a core aspect for building youth-provider relationships. The study examined how lesbian, gay, bisexual, transgender, and queer (LGBTQ) adolescents discussed use of personal pronouns (e.g., he, she, they, ze) in relation to transgender and gender diverse (TGD) people. METHODS: A secondary qualitative analysis of 66 in-depth interviews with LGBTQ youth from across Minnesota, Massachusetts, and British Columbia, Canada was conducted. Results were sorted into four main themes describing different aspects of personal pronoun use as related to TGD individuals. CONCLUSIONS: Stories and experiences shared by participants illustrate how to assess which pronouns to use for a given person, how to use pronouns in different contexts, why respecting pronouns is important to TGD people, and flexibility as an integral component of the learning process when it comes to appropriate pronoun use. IMPLICATIONS FOR PRACTICE: Understanding how youth discuss personal pronouns could improve practice with TGD youth. Each of the four themes can be applied to clinical encounters to ensure culturally sensitive care. Practice recommendations include asking adolescents what pronouns they prefer clinic staff to use on intake forms and having NPs and clinic staff provide their own pronouns to patients in introductions.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».