Misgendering and the health and wellbeing of nonbinary people in Canada
Notice bibliographique
Résumé
Background: Misgendering–using the wrong name, pronoun, or gendered language to refer to someone–is known to have negative impacts on the mental health and well-being of trans individuals generally. However, little is known about the effects of misgendering on nonbinary people specifically.Aims: As such, our research asked: 1) Among nonbinary people, what factors are associated with frequency of misgendering?; and 2) Do nonbinary people who experience misgendering less often have better health outcomes?Methods and Results: We analyzed data from Trans PULSE Canada, a community-based survey of trans and nonbinary people living in Canada, using a subset (n = 1091) who identified as nonbinary and completed questions on misgendering. Misgendering was a frequent and distressing experience for nonbinary participants, with 59% misgendered daily, 30% weekly or monthly, and only 11% yearly or less. Most (58%) reported being very or quite upset when misgendered. About one in eight (13%) corrected others most or all of the times they were misgendered. Daily misgendering was more common among nonbinary people who were younger than 25 years old (64%, p < .0001), visibly disabled (74%, p = .003), assigned female at birth (61%, p <.0001) or racialized as a person of color and assigned male at birth (65%, p < .0001) compared with their counterparts. In multivariable regression analyses, less frequent misgendering (weekly/monthly vs. daily) was associated with a lower OASIS anxiety score (β = −0.555, 95% CI = −1.062, −0.048).Discussion: Our research highlights the complexity of outness, passing, concealment, and affirmation for nonbinary people living at the intersections of marginalizations. Future research could build stronger causal analyses of the impacts of misgendering, how nonbinary people cope with misgendering, and policy and interventions to decrease misgendering.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».