What do we know about interventions to reduce intersectional stigma and discrimination in the context of HIV? A systematic review.
Notice bibliographique
Résumé
There is ample literature on interventions to reduce human immunodeficiency virus (HIV) stigma and discrimination and extant theory around intersectionality. However, the integration of intersectionality into the design and implementation of stigma reduction interventions is nascent. Using Preferred Reporting Items for Systematic Reviews and Meta-Analyses guidelines, we reviewed 23 studies from six countries to examine the state of the evidence on interventions to reduce intersectional stigma in the context of HIV. Thirteen studies made explicit reference to intersectionality, 11 of which addressed all three stigma domains: drivers, facilitators, and manifestations. Most interventions were multilevel and multistrategy, yet only five included a structural component. Thirteen studies focused on four or more intersections (e.g., HIV, race, sexual identity, gender), five on three intersections, and five on two intersections. Twenty studies (87%) reported medium (n = 5) to high (n = 15) community engagement. The majority of studies (19/23) assessed HIV-related (e.g., antiretroviral therapy [ART] adherence) and/or empowerment-based outcomes (e.g., self-esteem, coping), with 91% reporting some positive intervention effects. Of 13 studies that measured stigma outcomes, only seven (54%) documented some improvement in the stigma measures assessed. Our review revealed a range of sophisticated, intersectionality-informed interventions that were mostly successful at improving HIV, sexual health, and empowerment-based outcomes, but less successful at reducing the aspects of stigma measured. Future research should encompass wider geographical regions, use validated measures of intersectional stigma, and test structural interventions and approaches that challenge the systems of power and oppression that fuel stigma, inequality, and poor health outcomes among multiply marginalized populations.
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 | 0,014 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,008 |
| Bibliométrie | 0,016 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».