COVID-19, nutrition, and gender: An evidence-informed approach to gender-responsive policies and programs
Notice bibliographique
Résumé
In addition to the direct health impacts of COVID-19, government and household mitigation measures have triggered negative indirect economic, educational, and food and health system impacts, hitting low-and middle-income countries the hardest and disproportionately affecting women and girls. We conducted a gender focused analysis on five critical and interwoven crises that have emerged because of the COVID-19 crisis and exacerbated malnutrition and food insecurity. These include restricted mobility and isolation; reduced income; food insecurity; reduced access to essential health and nutrition services; and school closures. Our approach included a theoretical gender analysis, targeted review of the literature, and a visual mapping of evidence-informed impact pathways. As data was identified to support the visualization of pathways, additions were made to codify the complex interrelations between the COVID-19 related crises and underlying gender relations. Our analysis and resultant evidence map illustrate how underlying inequitable norms such as gendered unprotected jobs, reduced access to economic resources, decreased decision-making power, and unequal gendered division of labor, were exacerbated by the pandemic's secondary containment efforts. Health and nutrition policies and interventions targeted to women and children fail to recognize and account for understanding and documentation of underlying gender norms, roles, and relations which may deter successful outcomes. Analyzing the indirect effects of COVID-19 on women and girls offers a useful illustration of how underlying gender inequities can exacerbate health and nutrition outcomes in a crisis. This evidence-informed approach can be used to identify and advocate for more comprehensive upstream policies and programs that address underlying gender inequities.
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 | 0,106 | 0,137 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,020 | 0,014 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,015 | 0,014 |
| Science ouverte | 0,006 | 0,013 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».