A novel online training program for sexual and gender minority health increases allyship in cisgender, heterosexual paramedics
Notice bibliographique
Résumé
Introduction: Sexual and gender minorities (SGM) make up 4% of the Canadian population. Due to existing barriers to care in the community, SGM patients may seek more help and be sicker at presentation to hospital. Paramedics occupy a unique role and can remove or decrease these barriers. There are no existing evaluations of training programs in SGM health for prehospital providers. A training program to develop better allyship in paramedics toward SGM populations was developed and assessed. Methods: A 70- to 90-min mandatory, asynchronous, online training module in SGM health in the prehospital environment was developed and delivered via the emergency medical service (EMS) system's learning management system. A before-and-after study of cisgender, heterosexual, frontline paramedics was performed to measure the impact of the training module on the care of SGM patients. The validated Ally Identity Measure (AIM) tool was used to identify success of training and includes subscales of knowledge and skills, openness and support, and oppression awareness. Demographics and satisfaction scores were collected in the posttraining survey. Matched and unmatched pairs of surveys and demographic associations were analyzed using nonparametric statistics. Results: = 344) were similar in demographics and scores. Rural paramedics also had significantly lower pretraining oppression awareness scores and had lower posttraining AIM scores compared to suburban paramedics (6% difference). Satisfaction scores rated the training as relevant and applicable (87% and 82%, respectively). Conclusions: A novel prehospital training program in the care of SGM patients resulted in a statistically significant increase in allyship in cisgender, heterosexual-identified frontline paramedics.
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 ».