The perspective of gender on the Ebola virus using a risk management and population health framework: a scoping review
Notice bibliographique
Résumé
BACKGROUND: In the three decades since the first reported case of Ebola virus, most known index cases have been consistently traced to the hunting of "bush meat", and women have consistently recorded relatively high fatality rates in most catastrophic outbreaks. This paper discusses Ebola-related risk factors, which constantly interact with cultural values, and provides an insight into the link between gender and the risk of contracting infectious diseases, using Ebola virus as an example within Africa. METHOD: A comprehensive search of the literature was conducted using the PubMed, Ovid Medline and Global Health CABI databases as well as CAB Abstracts, including gray literature. We used a descriptive and sex- and gender-based analysis to revisit previous studies on Ebola outbreaks since 1976 to 2014, and disaggregated the cases and fatality rates according to gender and the sources of known index cases based on available data. RESULTS: In total, approximately 1530 people died in all previous Ebola outbreaks from 1976 to 2012 compared with over 11,310 deaths from the 2014 outbreak. Women's increased exposure can be attributed to time spent at home and their responsibility for caring for the sick, while men's increased vulnerability to the virus can be attributed to their responsibility for caring for livestock and to time spent away from home, as most known sources of the index cases have been infected in the process of hunting. We present a conceptual model of a circle of interacting risk factors for Ebola in the African context. CONCLUSION: There is currently no evidence related to biological differences in female or male sex that increases Ebola virus transmission and vulnerability; rather, there are differences in the level of exposure between men and women. Gender is therefore an important risk factor to consider in the design of health programs. Building the capacity for effective risk communication is a worthwhile investment in public and global health for future emergency responses.
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 | 0,019 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,017 | 0,017 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,003 |
| 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 ».