Promoting Inclusion in Healthcare for Lesbian, Gay, Bisexual, Transgender Plus (LGBT+) Using Culturally Competent Communication
Notice bibliographique
Résumé
This paper examines developing and implementing a nurse-led educational intervention to improve LGBT+ patient communication in a medical-surgical unit to meet the LGBT+ community's unique healthcare requirements and promote inclusivity. The project sought to close the cultural competence gap among nursing staff and create an environment where LGBT+ patients feel respected, understood, and supported. It was based on Hildegard Peplau's Interpersonal Relations Theory and The Ottawa Model of Research Use. The literature review highlights inclusion, cultural competence, and organizational change in healthcare settings. According to research, healthcare providers must promote respectful communication and interaction with LGBT+ patients. The initiative uses a pre-education gap analysis survey to measure the nursing staff's baseline knowledge of LGBT+ terminology and health disparities. A quasi-experimental approach with pre- and post-education assessments was used to evaluate the nurse-led educational intervention. During Pride month, a posterboard, pronoun cards, community resource guides, and in-person training workshops improved participants' cultural competency and understanding. Participants grasp of LGBT+ vocabulary and inclusion techniques improved significantly after the education. LGBT+. The study highlights interdisciplinary teamwork, standardized sexual orientation and gender identity (SOGI) data collecting, and healthcare professional education. The paper recommends expanding data collection, interdisciplinary collaboration, comprehensive education and training programs, and inclusionary policies in healthcare organizations. It advises using the project's findings to educate and discuss healthcare communities and academic institutions. The project promotes cultural competency and respectful communication to create an inclusive healthcare environment that meets the LGBT+ community's unique needs, promoting health equality and closing health disparities gaps.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».