Extreme events and gender-based violence: a mixed-methods systematic review
Notice bibliographique
Résumé
The intensity and frequency of extreme weather and climate events are expected to increase due to anthropogenic climate change. This systematic review explores extreme events and their effect on gender-based violence (GBV) experienced by women, girls, and sexual and gender minorities. We searched ten databases until February, 2022. Grey literature was searched using the websites of key organisations working on GBV and Google. Quantitative studies were described narratively, whereas qualitative studies underwent thematic analysis. We identified 26 381 manuscripts. 41 studies were included exploring several types of extreme events (ie, storms, floods, droughts, heatwaves, and wildfires) and GBV (eg, sexual violence and harassment, physical violence, witch killing, early or forced marriage, and emotional violence). Studies were predominantly cross-sectional. Although most qualitative studies were of reasonable quality, most quantitative studies were of poor quality. Only one study included sexual and gender minorities. Most studies showed an increase in one or several GBV forms during or after extreme events, often related to economic instability, food insecurity, mental stress, disrupted infrastructure, increased exposure to men, tradition, and exacerbated gender inequality. These findings could have important implications for sexual-transformative and gender-transformative interventions, policies, and implementation. High-quality evidence from large, ethnographically diverse cohorts is essential to explore the effects and driving factors of GBV during and after extreme events.
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 | 0,023 | 0,089 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,008 |
| Bibliométrie | 0,015 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».