The Lived Experiences of Nurses Who Identify as 2SLGBTQIA+ in Providing Nursing Care Within an Urban Prairie Setting: An Interpretive Descriptive Proposed Study
Notice bibliographique
Résumé
Background: Protections for those who identify as 2SLGBTQIA+ have improved, yet discrimination against people who identify as non-heterosexual and non-cisgender frequently occurs. Literature displays that heteronormativity and cisnormativity prevail within the health care system in Canada. Nurses identifying as 2SLGBTQIA+ are hypothesized to be a large subcategory within the profession. There is little literature on the experiences of nurses identifying as 2SLGBTQIA+. The literature indicates that health care patients feel more comfortable when their providers share similar identities. Purpose: This study aims to unveil the lived experiences of equity-deserving nurses in providing nursing care in an urban prairie setting. What are nurses' experiences identifying as 2SLGBTQIA+ in providing nursing care in Winnipeg, Manitoba, Canada? What do nurses identifying as 2SLGBTQIA+ believe their identity brings to their nursing practice and patient care? Methods: This qualitative study will use semi-structured interviews to gather data. Interviews will be transcribed and coded to generate descriptive themes of the lived experiences of equity-deserving nurses. Minority Stress Theory will be used to understand the experiences of study participants. Convenience and snowball sampling will be employed to recruit nurse participants. Conclusion: The findings of this study will contribute to the literature on the experiences of a large group of equity-deserving nurses. Understanding the experiences of 2SLGBTQIA+ nurses will provide meaningful implications for nursing curriculum development and policy change. This study will provide supporting data for increasing representation and diversity in nursing and improving patient outcomes.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,013 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».