Mental Health Supports for Sexual and Gender Minorities Who Experience Intimate Partner Violence and Abuse: A Systematic Review of North American Literature
Notice bibliographique
Résumé
Sexual and gender minorities (SGM) experience inequitable health outcomes due to oppressive social forces (e.g., homophobia, transphobia). For SGM experiencing intimate partner violence and abuse (IPV), help-seeking is challenged by concomitant navigation of the abusive partner and discriminatory forces toward SGM. Mental health providers are an important source of support who can provide SGM experiencing IPV with the tools and resources they need to manage or leave abusive relationships. This systematic review synthesized existing literature on the help-seeking experiences of SGM in North America who experienced IPV and accessed mental health supports. This secondary review (#CRD42020139639) from a larger study used meta-aggregative methods to identify main findings. The authors searched peer-reviewed literature from MEDLINE, Embase, PsycInfo, Scopus, CINAHL, Genderwatch, and Social Science Abstracts and assessed validity using the Joanna-Briggs Institute Checklists. Four synthesized findings were identified from studies ( N = 34) conducted in the United States ( n = 29) and Canada ( n = 5): (a) components of SGM-affirming spaces, (b) characteristics of mental health provision, (c) healing journey process, and (d) community awareness and familiarity with services. Mental health providers (not including couples’ counselors) were identified as positive forms of support for SGM experiencing IPV, providing opportunities for self-development and skills to manage or leave abusive relationships. SGM-affirming spaces (e.g., use of inclusive language) increased SGM comfort in IPV discussions with mental health providers. Training and acknowledgment of SGM-specific IPV, along with client-provider rapport, further underlie effective mental health supports. Increased education and outreach would promote improved access to mental health supports.
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 | 0,007 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,019 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».