LGBTQIA+ Cultural Competency of Psychiatrists in an Indian State: A Cross-Sectional Study
Notice bibliographique
Résumé
Indian studies have highlighted medical students’ negative attitudes toward LGBTQIA+ individuals and a lack of LGBTQIA+-informed training. However, no study has assessed the LGBTQIA+-cultural competency of Indian psychiatrists. This cross-sectional study assessed the cultural competency of psychiatrists in Kerala, an Indian state, and explored its association with relevant sociodemographic and experiential variables. LGBTQIA+ cultural competency was measured using the LGBT Development of Clinical Skills Scale (LGBT-DOCSS). Data were collected through stratified convenience sampling, in-person at psychiatry meetings and online through WhatsApp. Participants (N = 166) had a moderate overall LGBT-DOCSS score (mean ± SD: 5.03 ± 0.80). Subscales showed moderate knowledge (median: 5.50, IQR: 2), high attitudinal awareness (median: 6.14, IQR: 1), and low clinical preparedness (3.88 ± 1.43). LGB (5.16 ± 0.83) and transgender (5.02 ± 0.85) cultural competencies were moderate. Most participants (n = 160, 96.4%) treated < 5 LGBTQIA+ patients per month, and only 16 (9.6%) had received LGBTQIA+-informed training. Age (ρ = -0.18, p = 0.018) and religiosity (ρ = -0.23, p = 0.002) were significantly negatively correlated with cultural competency. Psychiatrists who treated < 5 LGBTQIA+ patients per month demonstrated significantly lesser cultural competency than those who treated 5–10 (t = -2.78, p = 0.033). Psychiatrists in Kerala have moderate LGBTQIA+ cultural competency, with high attitudinal awareness, moderate knowledge, and low clinical preparedness. This study highlights the need for comprehensive cultural competency training.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».