Exploring a case for education about sexual and gender minorities in postgraduate emergency medicine training: forming recommendations for change
Notice bibliographique
Résumé
Social medicine and health advocacy curricula are known to be uncommon in postgraduate medical education. As justice movements work to unveil the systemic barriers experienced by sexual and gender minority (SGM) populations, it is imperative that the emergency medicine (EM) community progress in its efforts to provide equitable, accessible, and competent care for these vulnerable groups. Given the paucity of literature on this subject in the context of EM in Canada, this commentary borrows evidence from other specialties across North America. Trainees across specialties and of all stages are caring for an increasing number of SGM patients. Lack of education at all levels of training is identified as a significant barrier to adequately caring for these populations, thereby precipitating significant health disparities. Cultural competency is often mistakenly attributed to a willingness to treat rather than the provision of quality care. However, positive attitudes do not necessarily correlate with trainee knowledge. Barriers to creating and implementing culturally competent curricula are plentiful, yet facilitating policies and resources are rare. While international bodies continuously publish position statements and calls to action, concrete change is seldom made. The scarcity of SGM curricula can be attributed to the universal absence of formal acknowledgment of SGM health as a required competency by accreditation boards and professional membership associations. This commentary synthesizes hand-picked literature in an attempt to inform healthcare professionals on their journey toward developing culturally competent postgraduate medical education. By thematically organizing evidence into a stepwise approach, the goal of this article is to borrow ideas across medical and surgical specialties to inform the creation of recommendations and make a case for an SGM curriculum for EM programs in Canada.
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 | 0,069 | 0,142 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,023 | 0,030 |
| Communication savante | 0,021 | 0,034 |
| Science ouverte | 0,013 | 0,021 |
| Intégrité de la recherche | 0,055 | 0,062 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».