Disrupting Racism in Ontario Midwifery
Notice bibliographique
Résumé
INTRODUCTION: There are a limited number of Canadian studies that explore the experiences of racism among health care providers who are Black, Indigenous, or people of color (BIPOC), and specifically within the context of midwifery in Ontario. More information is needed to better understand how to achieve racial equity and justice at all levels of the midwifery profession. METHODS: Semistructured key informant interviews were conducted with racialized midwives in Ontario to understand how racism manifests in the midwifery profession and to conduct a needs assessment of interventions required. The researchers used thematic analysis to identify patterns and themes within the data and to develop a better understanding of participants' experiences and perspectives. RESULTS: Ten racialized midwives participated in key informant interviews. The vast majority of participants reported experiences of racism in their work as a midwife, including being subject to or witnessing racism from clients and colleagues, tokenism, and exclusionary hiring practices. More than half of participants also emphasized their commitment to providing culturally concordant care for BIPOC clients. Participants relayed that access to BIPOC-centered gatherings, workshops, peer reviews, conferences, support groups, and mentorship opportunities constitute important supports for improving diversity and equity in midwifery. They also expressed a need for midwives and midwifery organizations to actively work to disrupt racism and the power structures in midwifery that enable racial inequity to proliferate. DISCUSSION: The manifestations of racism in midwifery have negative impacts on the career trajectory, career satisfaction, interpersonal relationships, and well-being of BIPOC midwives. It is crucial to understand the role of racism in midwifery and make meaningful changes toward dismantling interpersonal and systemic racism in the profession. These progressive changes will serve to create a more diverse and equitable profession, where all midwives can belong and thrive.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,021 | 0,006 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».