Interpersonal, institutional, and structural racism in Canadian nursing: A culture of silence
Notice bibliographique
Résumé
BACKGROUND: Alongside declarations against racism, the nursing profession in Canada needs examination of experiences of racism within its ranks. Racism at multiple levels can create a context wherein racialized nurses experience barriers and ongoing marginalization. PURPOSE: This critical interpretive qualitative study asks how interpersonal, institutional, and structural racisms intersect in the professional experiences of racialized nurses in Canada, and how nurses respond. METHODS: Self-identified racialized nurses (n = 13) from across Canada were recruited primarily through snowball sampling, and each was interviewed by phone or in person. Once transcribed, interviews were analyzed inductively, which led to the levels of racism as a guiding framework. RESULTS: From entry to nursing education throughout their careers participants experienced racism from instructors, patients, colleagues and managers. Interpersonal racism included comments and actions from patients, but more significantly lack of support from colleagues and managers, and sometimes overt exclusion. Institutional racism included extra scrutiny, heavier workloads, and absence in leadership roles. Structural racism included prevalent assumptions of incompetence, which were countered through extra work, invisibility and hyper-visibility, and expectations of assimilation. Racialized nurses were left to choose among silence, resisting (often at personal cost), assimilation and/or bolstering their credibility through education or extra work. Building community was a key survival strategy. CONCLUSIONS: Everyone in nursing needs to challenge the culture of silence regarding racism. White nurses in particular need to welcome discomfort, listen and learn about racism, then speak out to help disrupt its normative status.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».