“That is when I understood everything”: Ideological trajectories of pro-choice female doctors in Mexico
Notice bibliographique
Résumé
OBJECTIVES: There is little evidence about how physicians become abortion clinicians or advocates. We describe the ideological trajectories of pro-choice female Mexican doctors and the factors that made them pro-choice. STUDY DESIGN: In this qualitative study, we conducted semistructured interviews with members of the Mexican Network of Female Pro-choice Physicians. Participants came from eight diverse states. We used a feminist epistemology approach and analyzed data using inductive coding as well as a priori categories (becoming pro-choice, trajectories, and training). RESULTS: We included 24 female pro-choice physicians. We identified five intersecting factors that influenced becoming pro-choice: feminism, personal experiences, confrontation with the inequalities and violence that women experience, role models, and routine exposure to abortion care. Participants described three ideological trajectories: being pro-choice before studying medicine, not having a specific opinion, and changing from "pro-life" to "pro-choice." Participants described the absence of abortion training in medical schools, stigmatizing training, and the use of alternative training sources. CONCLUSIONS: In the absence of training on abortion during medical education, a combination of intersecting personal as well as work-related experience may turn doctors into pro-choice abortion clinicians and/or advocates. The findings of this study may be used to develop comprehensive medical curricula as well as strategies directed at doctors who have never received training on abortion care, such as promoting interactions with nonmedical abortion providers, education on inequalities and violence against women, moving beyond public health to a human rights and gender perspective, and exposure to routine safe abortion care. IMPLICATIONS: Mexican female doctors become pro-choice clinicians who provide abortion care and/or advocates in spite of their medical education.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,018 | 0,009 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».