Including gender data in electronic health records to improve the care provided to transgender and non-binary patients in Quebec: a queer bioethics analysis
Notice bibliographique
Résumé
Background In 2011, the Institute of Medicine (IOM) released the first report to comprehensively compile the state of knowledge on LGBTQIA+ health at different stages of life. This report highlighted the need to include data on gender identity in electronic health records (EHRs), in addition to birth-assigned sex, to improve care for transgender or non-binary (TNB) patients and reduce health disparities. Quebec has yet to implement this change. Given the significant discrimination, marginalization and violence TNB patients face in healthcare, carefully examining the risks and potential benefits of this proposal through an ethical analysis is essential. This study aims to determine whether systematically including gender data in Quebec EHRs is ethically advisable.Methods A critical interpretive literature review was conducted on three online databases (PubMed, ScienceDirect, and Google Scholar) to examine the proposition of gender data inclusion in EHRs. The findings were critically assessed through a queer bioethics lens.Results and discussion We retrieved 24 articles that met our inclusion criteria. Four themes were identified and analyzed: 1) hierarchical binaries embedded in EHRs; 2) potential of increased stigmatization due to heightened visibility; 3) significance of gender-affirming clinical environments; and 4) clinical significance of documenting both birth-assigned sex and gender data.Conclusion This analysis identifies key ethical considerations that must be addressed and ultimately finds that the benefits of including gender data in Quebec EHRs outweigh the risks. This change would represent a meaningful step toward a system that better affirms diverse identities, supports self-determination, and challenges normative frameworks in place.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».