Opinion & Special Articles: Beyond Pronouns—Educating Trainees on the Impact of Language on Gender Inclusivity in Neurologic Practice
Notice bibliographique
Résumé
Language plays an important role in ensuring gender inclusivity within neurology. Despite progress in language inclusivity, such as the emergence of explicit pronouns, more remains to be done. Historically, sex and gender have been used interchangeably, but they are, in fact, distinct concepts. This is an important distinction particularly in the care of transgender and gender diverse (TGD) individuals, whose assigned sex and gender are incongruent. In the health care setting, TGD individuals frequently report misgendering, identity invalidation, and gender pathologizing, which have led to health care avoidance and mistrust. Ultimately, to ensure effective integration of gender-affirming language into clinical care, training should be introduced early in neurology residency and fellowship education. Through 3 case studies in epilepsy, multiple sclerosis, and stroke, we discuss language use in neurology and provide recommendations to support trainees in the use of gender-affirming language. We underscore the importance of gender-affirming language in health care equity and cultivating a safe, inclusive clinical environment. It is crucial for residents and fellows to not only be informed on cultural humility and gender-affirming terminology but also learn to avoid assumptions and seek clarification about gender identity when needed. Ultimately, trainees proficient in these skills cultivate trust in clinical relationships, reduce discrimination against TGD populations, and improve patient health outcomes in neurologic care.
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,016 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,053 | 0,023 |
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 ».