Transgender Education in North American Family Medicine Clerkships: A CERA Study
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Transgender persons face many barriers to accessing health care, including identifying a knowledgeable physician. Medical schools have made curricular changes addressing cultural competence in transgender medicine, but changes are inadequate to graduate physicians competent in gender-affirming health care. The aim of this study was to assess the current state of education on the comprehensive health care of transgender patients, including gender-affirming health care (GAH) strategies (hormone therapy, surgical interventions) in US and Canadian family medicine clerkships (FM clerkships) in addition to the beliefs and actions of the directors making those curricular decisions. METHODS: Questions regarding transgender education within FM clerkships were included in the 2018 Council of Academic Family Medicine's Educational Research Alliance (CERA) survey of family medicine clerkship directors. The online survey was distributed via email invitation to 128 US and 16 Canadian FM clerkship directors between June 21, 2018 and August 4, 2018. RESULTS: Seventy-two percent (68/94) of FM clerkship directors agreed transgender health care should be a required part of the medical school curriculum. Sixty-six percent report active advocacy within their institutions for increased curricular time devoted to transgender health care. Fifty-six percent (53/94) treat transgender patients in their own clinical practice, but just 26% agreed they were comfortable teaching transgender health care to medicals students. While the presence of transgender patients within the clinical practice did not have a significant impact on FM clerkship directors' comfort teaching this subject, having transgender friends or acquaintances did. CONCLUSIONS: FM clerkships are primed for inclusion of comprehensive transgender and GAH education in their curriculum. Increasing comfort of FM clerkship directors in teaching this subject area by providing accessible curriculum may encourage further uptake of this content into FM clerkships.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».