Hearing Womenu2019S Voices : a Study of The Maternity Care Experiences and Needs of Migrant and Refugee Women With Female Genital Mutilation
Notice bibliographique
Résumé
Abstract Background: Female genital mutilation (FGM) is a cultural practice defined as the partial or total removal of the external female genitalia for non-therapeutic indications. As a result of changing patterns of migration, clinicians in high-income countries (HICs) such as Australia, Canada, the United Kingdom and the Unites States are caring for women from countries where FGM is traditionally practiced. As many clinicians in these countries are unfamiliar with FGM this poses challenges to the provision of quality of care for these women. Most research focuses on the experiences of providers and the voices of women with FGM are not adequately represented across evidences.Aim: This research, aims to identify best approaches to inform culturally safe and high quality woman centred care and contribute to maternity policy and practice improvements for migrant and refugee women in Australia who have undergone FGM. Methods: We undertook a qualitative study using appreciative inquiry to explore the experience and needs of migrant women with FGM receiving maternity care in Australia. This study aimed to understand the socio-cultural and health needs of these women and opportunities to improve the quality of maternity care for women with FGM in HICs.Results: 23 interviews and four focus groups were conducted with women who had experienced FGM and had a birth in Australia in 2017. The thematic analysis revealed four major categories: as (1) appreciating the best in their experiences, (2) achieving their own dreams, (3) planning together and (4) acting, modifying, improving and sustaining. Conclusion: This study is one of the first of its kind in Australia and provides an understanding of policy, socio-cultural and healthcare gaps, and strategies required to build self-efficacy and improve health outcomes. The recommendations of this research can be used as an advocacy tool or guideline to inform policy and practice and improve the quality of care for affected women through their own voice.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,007 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».