Trans, Genderqueer, Non-Binary and Gender Non-Conforming Peoples Experiences With Mental Health Care in Ontario
Notice bibliographique
Résumé
In this project, I use narrative interviewing and digital storytelling methodologies to understand the experiences of transgender and gender diverse people with the mental health care system in Ontario, as well as their experiences in regard to related health and social policies. My objective is to understand whether the stated goal of the mental health policy in force at the time data was collected—to promote well-being for all Ontarians, including members of groups facing social exclusion—was achieved for members of these communities. I interpret interview and digital story data through the lenses of critical disability studies, disability justice, mad studies, social determinants of health research, feminist new materialism and intersectionality to create a critical analysis of the neoliberal trajectory of mental health-related policy in Ontario. \nWhile participants reported some positive and helpful experiences with the mental health care system, many found it to be inaccessible, culturally unsafe, or even harmful. While participants came into contact with mental health care for a wide range of reasons, many discussed difficulties and harms resulting from the requirement to navigate around gatekeepers in the mental health professions to access gender confirming medical treatment. Participants also reported problems regarding other dimensions of the social determinants of mental health, including income, employment, housing and social inclusion and exclusion. I conclude the project with a discussion of participants' perspectives on the changes needed to support the well-being of the trans and gender diverse communities, arguing for the promotion of cultural safety and improved access to health care, as well as for meaningful changes in regard to the social determinants of mental health.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,030 | 0,012 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».