Myths and misconceptions of intimate partner violence among sexual and gender minorities: a qualitative exploration
Notice bibliographique
Résumé
Background: Intimate partner violence (IPV), referring to different forms of violence or abuse between two or more intimate partners, negatively impacts physical and mental health, performance in various settings, and familial functioning, leading to long-term adverse outcomes. Sexual and gender minority (SGM) individuals tend to experience similar or greater frequencies of IPV compared to their cisheterosexual counterparts. Stigma and discrimination toward sexual and gender diversity can lead to myths and misconceptions about relationship dynamics among SGM individuals, which can contribute to IPV occurrence within the community. This study sought to: (1) develop a compendium of myths and misconceptions that SGM individuals exposed to IPV and relevant service providers shared they encountered; (2) describe the impacts of these myths and misconceptions on SGM individuals experiencing IPV; and (3) make recommendations to address these myths and misconceptions. Methods: = 8) were interviewed using semi-structured formats. Thematic content analysis and inductive approaches were used to identify and organize findings into themes and subcategories. Findings: Five major themes related to SGM IPV myths and misconceptions were identified, touching on aspects including, but not limited to, SGM IPV prevalence, prescribed gender roles and expectations, and societal factors. Impacts and recommendations are also discussed. Significance: This appears to be the very first in-depth study describing myths and misconceptions that SGM individuals and relevant service providers have encountered in regard to SGM IPV, helping to promote understanding of SGM intimate partner relationships with particular relevance to public health and social services policies.
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 | 0,004 |
| 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 ».