Experiences of LGBTQ+ Plastic Surgeons in the US and Canada
Notice bibliographique
Résumé
Background : The LGBTQ+ community faces discrimination within the workplace, with growing evidence emerging about the mistreatment of LGBTQ+ surgeon trainees. The purpose of this study was to better understand the experiences of LGBTQ+ surgeons in plastic and reconstructive surgery (PRS). Methods: A web-based survey was made available to all plastic surgeons who identified as LGBTQ+ across the US and Canada from October 2021 to November 2022. The questionnaire used validated tools assessing “outness” and microaggressions, as well as rates of censorship of speech and/or mannerisms and experiences of discrimination. Outcomes were measured as frequencies and analyzed as a function of location (US vs Canada), gender identity (transgender and gender-diverse (TGD) versus cisgender), and level of training (attending vs in-training). Qualitative responses were also recorded. Results: A total of 43 self-identified LGBTQ+ individuals engaged with the survey, 38 of which completed it (88%). Nearly all (96.8%) reported experiencing heteronormative microaggressions, 36.7% reported discrimination from plastic surgery attendings, and 73.3% censor themselves around Plastic Surgery attendings. TGD respondents were more likely to have experienced discrimination than cisgender respondents ( P < .01). One-third (33%) of respondents indicated that they hesitate to be out at their institution for fear of bias and/or discrimination. Conclusion: LGBTQ+ plastic and reconstructive surgeons reported a significant amount of microaggressions, self-censorship, and discrimination while at work, and these experiences varied as a function of level of training and gender identity. PRS should strive to eliminate these mistreatments, educate its workforce, and address LGBTQ+ underrepresentation within the field.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».