The Impact of Neglected Tropical Diseases (NTDs) on Women’s Health and Wellbeing in Sub-Saharan Africa (SSA): A Case Study of Kenya
Notice bibliographique
Résumé
Neglected Tropical Diseases (NTDs) trap individuals in a cycle of poverty through their devastating effects on health, wellbeing and social–economic capabilities that extend to other axes of inequity such as gender and/or ethnicity. Despite NTDs being regarded as equity tracers, little attention has been paid toward gender dynamics and relationships for gender-equitable access to NTD programs in sub-Saharan Africa (SSA). This paper examines the impact of NTDs on women’s health and wellbeing in SSA using Kenya as a case study. This research is part of a larger research program designed to examine the impact of NTDs on the health and wellbeing of populations in Kenya. Thematic analysis of key informants’ interviews (n = 21) and focus groups (n = 5) reveals first that NTDs disproportionately affect women and girls due to their assigned gender roles and responsibilities. Second, women face financial and time constraints when accessing health care due to diminished economic power and autonomy. Third, women suffer more from the related social consequences of NTDs (that is, stigma, discrimination and/or abandonment), which affects their health-seeking behavior. As such, we strongly suggest a gender lens when addressing NTD specific exposure, socio-economic inequities, and other gender dynamics that may hinder the successful delivery of NTD programs at the local and national levels.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».