An undergraduate medical curriculum framework for providing care to transgender and gender diverse patients: A modified Delphi study
Notice bibliographique
Résumé
INTRODUCTION: The lack of attention to transgender and gender diverse (TGD) people in undergraduate medical education (UME) is a point of concern, particularly among medical students. A project was undertaken to develop a UME curriculum framework for teaching the healthcare needs of TGD people. METHODS: Using a modified Delphi methodology, four rounds of surveys were presented to an expert stakeholder group that included content experts, generalist physicians, UME teaching faculty, and medical students. Questions covered what content should be taught, who should teach the content, and how much time should be dedicated for this teaching. Once the Delphi process was complete, feedback on the provisional framework was sought from members of the TGD community to ensure it represented their needs and perspectives. RESULTS: 71 panel members and 56 community members participated in the study. Core values included the scope of the framework, and topics such as inclusivity, and safety in practice and in teaching. The framework included terminology, epidemiology, medical and surgical treatment, mental health, sexual and reproductive health, and routine primary care. There was also guidance on who should teach, time to be allocated, and the learning environment. DISCUSSION: There is a clear need to train tomorrow's doctors to provide competent and respectful healthcare services to and for TGD patients. Although local factors will likely shape the way in which this framework will be implemented in different contexts, this paper outlines a core UME-level curriculum framework for Canada and, potentially, for use in other parts of the world.
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 | 0,000 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».