Exploring Gender Dimensions of Treatment Programmes for Neglected Tropical Diseases in Uganda
Notice bibliographique
Résumé
BACKGROUND: Gender remains a recognized but relatively unexamined aspect of the potential challenges for treatment programmes for Neglected Tropical Diseases (NTDs). We sought to explore the role of gender in access to treatment in the Uganda National Neglected Tropical Disease Control Programme. METHODOLOGY/PRINCIPAL FINDINGS: Quantitative and qualitative data was collected in eight villages in Buyende and Kamuli districts, Eastern Uganda. Quantitative data on the number of persons treated by age and gender was identified from treatment registers in each village. Qualitative data was collected through semi-structured interviews with sub-county supervisors, participant observation and from focus group discussions with community leaders, community medicine distributors (CMDs), men, women who were pregnant or breastfeeding at the time of mass-treatment, and adolescent males and females. Findings include the following: (i) treatment registers are often incomplete making it difficult to obtain accurate estimates of the number of persons treated; (ii) males face more barriers to accessing treatment than women due to occupational roles which keep them away from households or villages for long periods, and males may be more distrustful of treatment; (iii) CMDs may be unaware of which medicines are safe for pregnant and breastfeeding women, resulting in women missing beneficial treatments. CONCLUSIONS/SIGNIFICANCE: Findings highlight the need to improve community-level training in drug distribution which should include gender-specific issues and guidelines for treating pregnant and breastfeeding women. Accurate age and sex disaggregated measures of the number of community members who swallow the medicines are also needed to ensure proper monitoring and evaluation of treatment programmes.
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 | 0,011 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,004 | 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 ».