Conducting a Continuing Education Course for Healthcare Professionals on LGBT+ Healthcare Assistance Using a M-Health Solution: A Pilot Study
Notice bibliographique
Résumé
Addressing healthcare disparities within the LGBT+ community necessitates healthcare professionals (HCP) be better prepared to meet healthcare needs of diverse LGBT+ patients. This article aimed to verify the potential of an m-Health application "Over the Rainbow" to improve the knowledge of healthcare providers and evaluate user experiences of the app. We conducted a quantitative, pilot, and usability study involving healthcare students and professionals from both private and public health systems in Brazil. Data were collected via snowball sampling from June to December 2023. The study utilized a sociodemographic questionnaire, the Training Needs Analysis (TNA) tool, a pre- and posttest knowledge questionnaire, and the User Experience Questionnaire (UEQ). A total of 29 participants answered all questions, with the majority identifying as female (89.7%), cisgender (100%), heterosexual (86.2%), most participants were nurses (students, 37.9%, nursing technicians, 24.1%) and from the South region of Brazil (65.5%). Only 13.8% of participants acknowledged having received prior continuing education related to LGBT+ health. The TNA indicated neutral to moderate knowledge background in the LGBT+ area. Regarding the UEQ, participants reported positive experiences with the m-Health application. The continuing education course utilizing an m-Health solution presented an opportunity to enhance competency in caring for LGBT+ individuals within healthcare settings.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».