Social determinants of mental health of women living in slum: a systematic review
Notice bibliographique
Résumé
OBJECTIVE: With the rise of urbanization globally, the problem of living in slums has become a problem for the civil society. As a vulnerable segment, women make up half of the population in these regions; therefore, women's mental health has always been a concern. The purpose of this study was to review the social determinants of mental health in women living in slum areas. METHODS: We systematically reviewed articles published between 2009 and 2019 on the social determinants of women's mental health in SID, Magiran, Google scholar, PubMed, Scopus, Science Direct, Embase, MEDLINE, PsychINFO, and PsychARTICLES databases using MeSH keywords according to PRISMA guidelines. The quality of the studies was assessed depending on the type of study using Ottawa Newcastle" scale and Joanna Briggs Institute quality assessment tools. Finally, 23 studies were analyzed. RESULTS: Different social determinants influenced the mental health of women living in slum areas. Among the structural determinants, the socioeconomic level had the highest frequency, and gender was in the second rank with the highest correlation with poorer women's mental health status. Among the intermediate determinants, living conditions, food insecurity, social capital, and social support were most frequently associated with mental health status. CONCLUSION: Women living in slum areas are prone to developing mental disorders and poorer mental health; therefore, supporting these women and creating job opportunities to raise their incomes and, subsequently, improve their social, economic, and living conditions should be taken into consideration. In addition, this requires careful planning and comprehensive social support.
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 | 0,014 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».