Improving the LGBTQ2S+ cultural competency of healthcare trainees: Advancing health professional education.
Notice bibliographique
Résumé
BACKGROUND: Lesbian, Gay, Bisexual, Trans, Queer, and Two-spirit (LGBTQ2S+) populations experience worse health outcomes compared to age-matched heterosexual and cisgender peers. Health professionals' deficient knowledge and negative attitudes can contribute to these inequities. Healthcare trainees report insufficient LGBTQS2+ cultural competence training. METHODS: In this prospective, mixed-methods pre-post design, Atlantic Canadian health students were tested on knowledge, attitudes and self-reported behaviours towards LGBTQ2S+ populations in healthcare settings. Assessment included psychometric measurements and clinical cases involving normative and non-normative fictional patients. Participants were randomised to intervention or control groups. The intervention consisted of three training sessions lead by LGBTQ2S+ experts and elders from the community. The control group continued with usual training. Full assessment was repeated after training. We also held focus group discussions with students and faculty. RESULTS: The intervention group significantly improved attitudes toward and knowledge of LGBTQ2S+ populations and changed relevant aspects of their performance in the simulated clinical situations. Focus groups identified key gaps in current local training. CONCLUSIONS: Integrating specific training related to LGBTQ2S+ health within health professions programs is an important step toward improving these populations' accessibility to a competent, exhaustive and nurturing healthcare. Additional research on innovative means to expand and broaden the scope of our training is warranted.
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 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».