Risk factors to mental health challenges among the LGBTI+ community in Gaborone, Botswana
Notice bibliographique
Résumé
BACKGROUND: Lesbian, Gay, Bisexual, Transgender, Intersex and other gender diverse groupings symbolised by + (LGBTI+) individuals experience adverse mental health problems, and several factors have been documented to facilitate such problems. However, in Botswana, the factors facilitating LGBTI+ individuals to experience mental health challenges have not been explored with previous studies only highlighting the poor mental health outcomes they experience. OBJECTIVES: The aim of the study was to explore and describe factors that could cause mental health challenges in LGBTI+ individuals in Gaborone, Botswana. METHOD: A qualitative, descriptive, phenomenological design was employed to examine the research question. In data collection, 15 unstructured in-depth telephonic interviews were conducted until data saturation. Data were analysed with a co-coder using the data analysis method by Colaizzi. RESULTS: Three themes emerged following data analysis and were reasons for experiencing mental health challenges, experiences of challenges in accessing healthcare services and the social challenges of everyday life. CONCLUSION: The findings indicate that a variety of factors influence the mental health problems in some LGBTI+ individuals.Contribution: The knowledge of the factors that cause LGBTI+ individuals' mental health challenges can inform mental healthcare to be rendered. The findings can apprise nursing curriculum development and policy regarding the needs of LGBTI+ individuals.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».