Anti‐Black racism: Gaining insight into the experiences of Black nurses in Canada
Notice bibliographique
Résumé
The call to address anti-Black racism in workplaces resonates across several organizations and institutions in Canada. But specifically, the coronavirus disease 2019 pandemic shed further light on how health inequities negatively impact the Black community. After conducting a literature review of the experiences of Black nurses in Canada, a deeper understanding of their plight was gained. In healthcare, the findings from the Black Nurses' Task Force report conclude that anti-Black racist practices are pervasive in nursing, and there remains a paucity of research in this area. This study builds off the report by exploring how Black nurses experience anti-Black racism while working in Canada's healthcare system. Inspired by critical race theory and Black feminist thought, an exploratory qualitative research study was conducted, using semistructured interviews to gather data. The study concludes that Black nurses experience anti-Black racism within the workplace, and it manifests itself through some of the attitudes of colleagues, patients, and nurses in leadership roles. Despite policies and statements that were in place to protect them, anti-Black racism continues to occur systematically. The findings point to the need for change in the overall workplace culture, which includes a fair representation of Black nurses in leadership roles, further research to identify best practices for tackling anti-Black racism within Canada's healthcare system, and mandatory training on anti-Black racism for healthcare leaders, educators, and service providers.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».