“They just knew, and that makes all the difference”: Understanding positive healthcare experiences among trans people in Canada
Notice bibliographique
Résumé
Background: Trans people face persistent systemic challenges and barriers in healthcare systems. Despite these obstacles, many trans people have had positive healthcare experiences, however little is known regarding their commonalities. Aims: This study aims to better understand factors that influence positive healthcare experiences among trans people. Methods: 33 longform interviews were conducted with trans individuals, with 29 being used for the final sample. Interviews were recorded, transcribed verbatim, and analyzed using NVIVO 12 software. Thematic analysis was conducted for the coding process with a combination of inductive and deductive approaches used to develop the coding frame. Results: Four healthcare provider (HCP) characteristics and two patient attributes were identified as promoters of positive healthcare experiences. Positive HCP characteristics included having a provider who was 1) a member of the LGBTQ community, 2) knowledgeable, experienced, and willing to learn about trans health, 3) transparent and empowered patients regarding their medical decisions; and 4) sensitive, accepting, and validating of patients' gender identities. The two patient attributes included: 1) engaging in self-advocacy regarding their care, and 2) being connected to a variety of supportive trans communities, both online and in-person. Discussion: Better understanding these positive healthcare experiences can help in the development of curricula and policy to facilitate improved quality healthcare for trans people 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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,024 | 0,011 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».