Experiences of Transgender and Gender Nonbinary Medical Students and Physicians
Notice bibliographique
Résumé
Abstract Purpose: To explore the experiences of transgender and gender nonbinary (TGNB) medical students and physicians in the United States. Methods: The authors conducted a 79-item online survey using Likert-type and open-ended questions to assess the experiences of TGNB-identified U.S. medical students and physicians. Variables included demographic data, disclosure of TGNB status, exposure to transphobia, and descriptions of educational and professional experiences. Recruitment was conducted using snowball sampling through Lesbian, Gay, Bisexual, Transgender, Queer professional groups, list-servs, and social media. The survey was open from June 2017 through November 2017. Results: Respondents included 21 students and 15 physicians (10 transgender women, 10 transgender men, and 16 nonbinary participants). Half (50%; 18) of the participants and 60% (9) of physicians had not disclosed their TGNB identity to their medical school or residency program, respectively. Respondents faced barriers on the basis of gender identity/expression when applying to medical school (22%; 11) and residency (43%; 6). More than three-quarters (78%; 28) of participants censored speech and/or mannerisms half of the time or more at work/school to avoid unintentional disclosure of their TGNB status. More than two-thirds (69%; 25) heard derogatory comments about TGNB individuals at medical school, in residency, or in practice, while 33% (12) witnessed discriminatory care of a TGNB patient. Conclusion: TGNB medical students and physicians faced significant barriers during medical training, including having to hide their identities and witnessing anti-TGNB stigma and discrimination. This study, the first to exclusively assess experiences of TGNB medical students and physicians, reveals that significant disparities still exist on the basis of 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 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 | 0,007 |
| 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 | 0,004 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».