Addressing Discrimination and Violence against Lesbian, Gay, Bisexual, Transgender, and Queer (LGBTQ) persons from Brazil: A mobile Health intervention
Notice bibliographique
Résumé
Background: Sexual and gender minorities (SGM) experience higher rates of discrimination and violence when compared to cis, heterosexual peers. However, violent crimes and other hate incidents against SGM persons are consistently not reported and prosecuted because of chronic distrust between the SGM community and police. Brazil is one of the most dangerous countries for SGM persons in the world. Herein we describe the development of a mobile health intervention to address the rampant violence against this population, the Rainbow Resistance - Dandarah app. Methods: We conducted community-based participatory research (CBPR) between 2019-2020. The study started with in-depth interviews (IDIs) and focus group discussions (FGDs) with representatives of the SGM community from Brazil. Descriptive qualitative data analysis included the plotting of a 'word cloud', to visually represent word frequency, data coding and analysis of more frequent themes related to app acceptability, usability, and feasibility. A sub-sample of SGM tested the app and suggested improvements, and the final version was launched in December 2019. Results: Since the app was launched in December 2019, the app recorded 4,114 active SGM users. Most participants are cisgender men (50.9%), self-identified as gay (43.5%), White (47.3%), and aged 29 or less (60.9%). FGDs and IDIs participants discussed the importance of the app in the context of widespread violence toward SGM persons. Study participants perceived this mHealth strategy as an important, effective, and accessible strategy for SGM surviving violence. The CBPR design was highlighted as a key strategy that allowed SGM persons to collaborate in the design of this intervention actively. Some users reported how the panic button saved their lives during violent attacks. Conclusions: Rainbow Resistance - Dandarah app was endorsed as a powerful tool for enhancing reporting episodes of violence/discrimination against SGM persons and a key strategy to connect users with a safe network of supportive services. Results indicate that the app is an engaging, acceptable, and potentially effective mHealth intervention. Participants reported many advantages of using it, such as being able to report harassment and violence, connect with a safe network and receive immediate support.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».