Experiences of discrimination or violence and health outcomes among Black, Indigenous and People of Colour trans and/or nonbinary youth
Notice bibliographique
Résumé
AIMS: Identify the relationship between experiences of discrimination or violence and health outcomes for transgender and nonbinary Black, Indigenous and People of Colour (BIPOC) compared to their white trans and nonbinary peers. DESIGN: A national online survey, the 2019 Canadian Trans and Nonbinary Youth Health Survey, was conducted among youth ages 14-25, in English and French. METHODS: Participants were recruited from November 2018 to May 2019 (N = 1519). BIPOC youth comprised 25.7% of the sample (n = 390). Questions about six types of discrimination (e.g. racism and sexism) and violence (physically threatened or injured), plus foregone health care, self-harm and suicidality were drawn from existing validated measures. Analyses involved cross-tabulations with chi-square tests and logistic regressions. RESULTS: Trans and non-binary BIPOC reported significantly higher prevalence of suicide attempts (24.9% vs. 19.5%) and violence victimization compared to white youth. They had significantly higher odds of self-harm and foregone health care when experiencing discrimination by ethnicity or culture. All types of violence were significantly associated with higher odds of foregone physical health care, self-harm, suicide ideation and suicide attempt. CONCLUSION: In Canada, trans and nonbinary youth who are BIPOC face disparities in health outcomes and experiences of violence and discrimination compared to white trans and nonbinary youth. IMPACT: Nurses should assess for violence exposure and discrimination among trans and/or nonbinary youth of colour, and promote health equity by advocating for policies to reduce violence and discrimination, including racism, for trans and nonbinary young people.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».