(266) Examining the Experience of Sexual Dysfunction and Spiritual Abuse among Cisgender Muslim Women in North America
Notice bibliographique
Résumé
Abstract Introduction Muslim women are an underrepresented and underserved population in North America who often do not seek care for their sexual traumas and sexual difficulties. In order to better serve this population with minimal bias, it is important for healthcare providers to understand their vast experiences with spiritual abuse and sexual dysfunction, as well as reasons for not seeking healthcare related to sexual dysfunction. Objective To understand the experiences of cisgender Muslim women in North America with regards to sexual function, sexual abuse and spiritual abuse. Methods To investigate these topics, a survey was administered to 771 Muslims between the ages of 18–45 who live in the US and Canada 2020. The majority of respondents were heterosexual females, were part of the Sunni sect of Islam, had a bachelor’s degree or higher, and were of South Asian, Asian, Middle Eastern, or Arab ancestry. Aspects of sexual functioning such as the frequency of sexual desire, arousal during sexual intercourse, achievement of orgasm, and pain during or after vaginal penetration were assessed. Results Of the 158 respondents who reported having experienced sexual pain, only 34.4% sought healthcare for this problem. The most commonly cited reasons included fear or shame, unawareness, doubt that the situation would improve, and resolution of the pain on its own. 530 participants were asked if religion or spirituality have been used to: force them to make decisions they are opposed to (76.4%), force them to engage in a non-consensual sexual act (14.6%), isolate from others (57.9%), minimize the abuse they experienced (48.7%), or prevent them from speaking out against abuse (53.9%). Conclusions This data provides insight into a Muslim cohort’s frequency of sexual burdens which include dysfunction and abuse. Understanding how spiritual abuse can influence patients’ familial, romantic, and sexual relationships may help providers to administer culturally competent care to Muslim patients. Disclosure No.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».