Mental Health Disorders Among Women Victims of Conflict-Related Sexual Violence in the Democratic Republic of Congo
Notice bibliographique
Résumé
To assess the effects of sexual violence (SV) in armed conflicts on women's mental health, on its own and in conjunction with reproductive health issues such as fistula or chronic pelvic pain (CPP). A cross-sectional population-based study of 320 women living in Goma, the Democratic Republic of Congo, aged 15 to 45 years, was conducted. Women who experienced conflict-related sexual violence (CRSV) were compared with those who experienced non-conflict-related sexual violence (NCRSV) and those who never experienced such acts. Data were gathered through individual interviews by local staff using standardized questionnaires. The outcomes investigated were post-traumatic stress disorder (PTSD) symptoms severity and psychological distress symptoms (PDS) severity. Experience of SV in either context was associated with more severe PDS (p < .0001). Only CRSV was associated with more severe PTSD symptoms (p < .0001). Women who suffered from fistula or CPP also had a higher PDS score mean (p < .0001 and p = .007) and a higher PTSD symptoms score mean (p < .0001, for both reproductive health issues). Multivariate analyses showed that compared with women who never experienced SV and never suffered from fistula or CPP, those who experienced CRSV and suffered from fistula or CPP had the most severe PDS and PTSD symptoms after adjustment for potential confounders. The differences in PDS and PTSD symptoms severity were all significant (p < .0001). Psychological and physical health care are urgently needed for women who experienced CRSV, particularly those with additional issues of fistula or CPP. Current interventions should simultaneously seek to improve both reproductive and 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 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 | 0,000 | 0,000 |
| 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 ».