MétaCan
Menu
← Retour à la cohorte
Enregistrement W3200407929 · doi:10.2196/17913

Development, Implementation, and Effectiveness of a Self-sustaining, Web-Based LGBTQ+ National Platform: A Framework for Centralizing Local Health Care Resources and Culturally Competent Providers

2021· article· en· W3200407929 sur OpenAlexvenueno aff
Dustin Z. Nowaskie

Notice bibliographique

RevueJMIR Formative Research · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueLGBTQ Health, Identity, and Policy
Établissements canadiensnon disponible
Organismes subventionnairesSchool of Medicine, Indiana University
Mots-clésTransgenderLesbianMentorshipHealth carePopulationQueerPublic healthSexual orientationMedicinePublic relationsBusinessNursingPsychologyMedical educationPolitical scienceEnvironmental healthSocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The lesbian, gay, bisexual, transgender, queer, and other sexual and gender minority (LGBTQ+) population has long faced substantial marginalization, discrimination, and health care disparities compared to the cisgender, heterosexual population. As the etiology of such disparities is multifaceted, finding concrete solutions for LGBTQ+ health care equity is challenging. However, the internet may offer the space to initiate an effective model. OBJECTIVE: In an effort to make LGBTQ+ public resources and culturally competent providers transparent, modernize medical education, and promote cultural competency, OutCare Health-a nonprofit 501(c)(3) multidisciplinary, multicenter web-based platform-was created. METHODS: The organization employs a cyclic, multidimensional framework to conduct needs assessments, identify resources and providers, promote these efforts on the website, and educate the next generation of providers. LGBTQ+ public health services are identified via the internet, email, and word of mouth and added to the Public Resource Database; culturally competent providers are recruited to the OutList directory via listservs, medical institutions, local organizations, and word of mouth; and mentors are invited to the Mentorship Program by emailing OutList providers. These efforts are replicated across nearly 30 states in the United States. RESULTS: The organization has identified over 500 public health organizations across all states, recognized more than 2000 OutList providers across all states and 50 specialties, distributed hundreds of thousands of educational materials, received over 10,000 monthly website visits (with 83% unique viewership), and formed nearly 30 state-specific teams. The total number of OutList providers and monthly website views has doubled every 12-18 months. The majority of OutList providers are trained in primary, first point-of-care specialties such as family medicine, infectious disease, internal medicine, mental health, obstetrics and gynecology, and pediatrics. CONCLUSIONS: A web-based LGBTQ+ platform is a feasible, effective model to identify public health resources, culturally competent providers, and mentors as well as provide cultural competency educational materials and education across the country. Such a platform also has the opportunity to reach self-perpetuating sustainability. The cyclic, multidisciplinary, multidimensional, multicenter framework presented here appears to be pivotal in achieving such growth and stability. Other organizations and medical institutions should heavily consider using this framework to reach their own communities with high-quality, culturally competent care for the LGBTQ+ population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,068
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,358

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0680,038
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0070,008
Communication savante0,0090,007
Science ouverte0,0040,015
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,070
Tête enseignante GPT0,489
Écart entre enseignants0,419 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetLGBTQ Health, Identity, and Policy→Travaux en français237 207→