MétaCan
Menu
Retour à la cohorte
Enregistrement W3123934295 · doi:10.2196/25467

Culturally Competent Gender, Sex, and Sexual Orientation Information Practices and Electronic Health Records: Rapid Review

2021· review· en· W3123934295 sur OpenAlexafffundvenue
Kelly Davison, Roz Queen, Francis Lau, Marcy Antonio

Notice bibliographique

RevueJMIR Medical Informatics · 2021
Typereview
Langueen
DomainePsychology
ThématiqueLGBTQ Health, Identity, and Policy
Établissements canadiensUniversity of VictoriaCanada Health Infoway
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésGrey literatureSexual orientationHealth equityHealth careBest practiceGovernment (linguistics)Equity (law)Reproductive healthInclusion (mineral)MEDLINEPublic relationsPsychologyMedicinePolitical scienceSocial psychologyPopulationEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Outdated gender, sex, and sexual orientation (GSSO) information practices in health care contribute to health inequities for sexual and gender minorities (SGMs). Governments, statistics agencies, and health care organizations are developing and implementing modernized practices that support health equity for SGMs. Extending our work, we conducted a rapid review of grey literature to explore information practices that support quality health care for SGMs. OBJECTIVE: The aim of this rapid review of grey literature was to elucidate modern GSSO information practices from leading agencies for adaptation, adoption, and application by health care providers and organizations seeking to modernize outdated GSSO information practices that contribute to health inequities among SGMs. METHODS: We searched MEDLINE and Google from 2015 to 2020 with terms related to gender, sex, sexual orientation, and electronic health/medical records for English-language grey literature resources including government and nongovernment organization publications, whitepapers, data standards, toolkits, health care organization and health quality practice and policy guides, conference proceedings, unpublished academic work, and statistical papers. Peer-reviewed journal articles were excluded, as were resources irrelevant to information practices. We also screened the reference sections of included articles for additional resources, and canvassed a working group of international topic experts for additional relevant resources. Duplicates were eliminated. ATLAS.ti was used to support analysis. Themes and codes were developed through an iterative process of writing and discussion with the research team. RESULTS: Twenty-six grey literature resources met the inclusion criteria. The overarching themes that emerged from the literature were the interrelated behaviors, attitudes, and policies that constitute SGM cultural competence as follows: shared language with unambiguous definitions of GSSO concepts; welcoming and inclusive care environments and affirming practices to reduce barriers to access; health care policy that supports competent health care; and adoption of modernized GSSO information practices and electronic health record design requirements that address invisibility in health data. CONCLUSIONS: Health equity for SGMs requires systemic change. Binary representation of sex and gender in electronic health records (EHRs) obfuscates natural and cultural diversity and, in the context of health care, places SGM patients at risk of clinical harm because it leads to clinical assumptions. Agencies and agents in health care need to be equipped with the knowledge and tools needed to cultivate modern attitudes, policies, and practices that enable health equity for SGMs. Adopting small but important changes in the language and terminology used in technical and social health care systems is essential for institutionalizing SGM competency. Modern GSSO information practices depend on and reinforce SGM competency in health 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,928
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,099
Tête enseignante GPT0,473
Écart entre enseignants0,374 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJMIR Medical InformaticsMême sujetLGBTQ Health, Identity, and PolicyTravaux en français237 207