Diversity training experiences and factors associated with implicit racial bias among recent genetic counselor graduates of accredited programs in the United States and Canada
Notice bibliographique
Résumé
Implicit racial bias in healthcare settings can impact delivery of patient care. Exploration of this bias is necessary to improve patient experiences. We sought to understand implicit racial bias among graduates of accredited genetic counseling programs in the United States and Canada in the class of 2020 as they enter the genetics workforce and assess how this bias is associated with training and life experiences. Implicit racial bias was quantified through use of the Black-White Implicit Association Test (BW-IAT). Participants also completed an online survey focused on didactic and clinical training and personal experiences with diverse populations. Participants (n = 100) were majority White (88%), and 44% demonstrated an implicit bias favoring White individuals. Respondents reported a lack of interaction with Black healthcare professionals during their training. A concerning proportion (38%) reported experiencing or witnessing racial insensitivity perpetrated by genetic counselors or physicians in supervisory roles. Graduates reported diversity coursework as significantly less effective overall than other general genetic counseling coursework. This study reveals prevalence of implicit racial bias among genetic counselor graduates, lack of exposure to diverse populations within and outside of graduate training, and concerns regarding racial insensitivity and effectiveness of didactic and clinical genetic counseling training. Employers and program directors should implement revisions to ongoing training and graduate curriculum with consideration of these findings.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».