Covid-19 Escaled Ongoing Injustices: Voices of Women Living With HIV in Nepal
Notice bibliographique
Résumé
The first HIV case in Nepal was reported in 1988. As of July 2020, the total number of PLHIV was 29,503 PLHIV whereas the numbers for male and females were respectively 17, 587 and 11, 916 (UNAIDS, 2021.). More than 72% of People Living with HIV (PLHIV) are of age group 25 to 49 years (Ministry of Health National Centre for AIDS and STD Control, 2020). There are 80 ART (Anti-Retroviral therapy) centres providing services to PLHIV in seven Provinces and a number of community-based organizations to provide services to PLHI (Ministry of Health National Centre of AIDS and STD Control, 2020). The current knowledge on this area are maninly the reports from HIV Service Agencies that do not capture the silenced voices of PLHIV on intersectional oppression. By acknowledging the need of a evidence-based study, a Participatory Action Research (PAR) project was developed in 2019 to understand the challenges of the Women Living with HIV in Kathmandu, Nepal (Dhungel, 2020; Dhungel & Lama, 2020). This understanding was reached through a variety of means, including photovoice, individual interviews and street dramas. Four major intersectional challenges were identified including discriminations against WLHIV at workplace, violations of privacy in health sectors, excluding from parental's property and discriminations against their children at school. The same study suggested the need for a further study, focusing on intersectional oppressions and public health services and programs available for WLHIV with a focus on Mental Health Services. Therefore, this study was initiated to bridge the gaps in current knowledge with a foucs on COVID-19 policies/programs. Keywords: COVID-19, HIV community, injustice, intersectional oppression
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».