Experiences of LGBTQ-identifying students, interns and practitioners of dietetics
Notice bibliographique
Résumé
Individuals who identify as lesbian, gay, bisexual, transgender and/or queer (LGBTQ) currently comprise over five percent of the population in America. It is unknown how many dietetics students, interns, or practitioners identify as LGBTQ as these data are not collected by the Academy of Nutrition and Dietetics nor its “sister” organizations. Research suggests that LGBTQ-identifying folx, experience higher rates of anxiety, depression, stigmatization, discrimination and isolation and many have unmet healthcare needs. This holds for LGBTQ-identified individuals studying and practicing in healthcare professions but to date there have been no studies of the dietetics profession. To explore the experiences of LGBTQ-identifying dietetics students, interns and practitioners we conducted a mixed-methods study grounded in Feminist Standpoint theory. National convenience and snowball sampling strategies generated n=131 students, interns and professionals of ACEND-accredited programs for our survey and n=10 for our semi-structured interviews. Qualitative analyses identified themes of overt and covert “underminers” of success including heteronormative assumptions/talk, misgendering, microaggressions, self-editing and closeting, and identified a lack of adequate LGBTQ-related healthcare content in academics/training. Supporters of success included people/groups with supportive characteristics, therapists/mental health professionals, and passion for the field. Survey data indicated significant differences between heterosexual and non-heterosexual respondents to a number of questions including homosexuality in society, awareness of LGBTQ community experiences, importance of academic content/training on nutrition assessment/care of LGBTQ-identified folx and responsibility for advocacy for LGBTQ-identifying patients/clients. Our results indicate need for better data collection, improved coursework/training on inclusion and greater content on nutrition/healthcare needs for LGBTQ-identifying patients and clients.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,006 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».