Health of transgender men in low-income and middle-income countries: a scoping review
Notice bibliographique
Résumé
INTRODUCTION: Despite the rapid growth of research on transgender (trans) health globally, the extent of research on trans men and other transmasculine persons assigned the female sex at birth remains unclear. We, therefore, conducted a scoping review on trans men's health in low-income and middle-income countries (LMICs). METHODS: The review included peer-reviewed articles and conference abstracts, and grey literature published from 1 January 1999 to 5 July 2019 in English, French, Hindi or Spanish and reporting original quantitative and/or qualitative data on the health of trans men or transmasculine persons living in LMIC. Studies were excluded if they did not disaggregate data for trans men or if they only described surgical techniques or laboratory values. RESULTS: We included 53 studies (42 peer-reviewed and 11 grey literature) from 19 LMIC. Most were conducted in higher-middle-income countries (n=12) and in Latin America (n=16, 30.2%), the Middle East (n=14, 26.4%) or Sub-Saharan Africa (n=12, 22.6%) and published in 2014 or later (n=44, 83.0%). Approximately half of studies used quantitative methods (52.8%, n=28), of which 64.3% (n=18) had fewer than 50 participants and 14.2% (n=4) had over 150. Across study designs, social determinants of health and gender-affirming care were the most commonly represented domains (49.1% and 47.1% of studies respectively), with common themes including gender-based violence, coercion and discrimination as well as unprescribed hormone use. Other domains represented included mental health (32.1%), sexual and reproductive health (24.5%), general healthcare access (18.9%), physical health (9.4%) and substance use (9.4%). CONCLUSION: Greater inclusion and disaggregation of trans men and transmasculine persons in global health research is needed to support sex- and gender-based analyses of trans health. Community-based research approaches and theoretically driven research may help to increase the relevance and rigour of such research. Funders should invest in research on trans men's health in LMIC.
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 | 0,008 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».