Dissident Genders: Intersectionality and Assistance in Healthcare Networks
Notice bibliographique
Résumé
Introduction: The persistence of a cisgender binary structure continues to marginalize individuals whose identities fall outside normative gender categories. Understanding the perspectives of gender-dissident individuals is necessary for creating health environments that uphold respect and dignity in care for people of all genders. Objectives: To analyze the perspectives of dissident genders on care and to understand their perception of the professional approach in healthcare networks. Method: This cross-sectional qualitative study employed a subject-partner methodological approach, grounded in the theoretical frameworks of Akotirene, Butler and Preciado. Data were collected through 2 virtual focus groups with gender-dissident participants and through field diaries involving the subject-partner. The data were analyzed using Minayo’s content analysis methodology. Results: Three thematic dimensions of meaning emerged: 1) Being-itself, capturing experiences of identity, recognition, and the challenges of existing in a cisnormative world; 2) Care structuring from-in the Unified Health System, highlighting how professional beliefs and institutional norms restrict access, humanization, and continuity of care; and 3) Strategies for advancement, emphasizing inclusive practices, representativeness, and the need for structural and educational change. Discussion and Conclusion: Experiencing care within healthcare networks remains marked by inconsistent recognition of gender identity. Inclusive care requires subverting cisnormative values, strengthening professional education, and promoting active participation of gender-dissident people. The subject-partner framework underscores their role as co-constructors of knowledge and 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 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 | 0,006 | 0,001 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| 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 ».