Conducting Violence and Mental Health Research with Female Sex Workers during the COVID-19 Pandemic: Ethical Considerations, Challenges, and Lessons Learned from the Maisha Fiti Study in Nairobi, Kenya
Notice bibliographique
Résumé
Conducting violence and mental health research during the COVID-19 pandemic with vulnerable groups such as female sex workers (FSWs) required care to ensure that participants and the research team were not harmed. Potential risks and harm avoidance needed to be considered as well as ensuring data reliability. In March 2020, COVID-19 restrictions were imposed in Kenya during follow-up data collection for the Maisha Fiti study (n = 1003); hence data collection was paused. In June 2020, the study clinic was re-opened after consultations with violence and mental health experts and the FSW community. Between June 2020 and January 2021, data were collected in person and remotely following ethical procedures. A total of 885/1003 (88.2%) FSWs participated in the follow-up behavioural–biological survey and 47/47 (100%) participated in the qualitative in-depth interviews. A total of 26/885 (2.9%) quantitative surveys and 3/47 (6.4%) qualitative interviews were conducted remotely. Researching sensitive topics like sex work, violence, and mental health must guarantee study participants’ safety and privacy. Collecting data at the height of COVID-19 was crucial in understanding the relationships between the COVID-19 pandemic, violence against women, and mental health. Relationships established with study participants during the baseline survey—before the pandemic—enabled us to complete data collection. In this paper, we discuss key issues involved in undertaking violence and mental health research with a vulnerable population such as FSWs during a pandemic. Lessons learned could be useful to others researching sensitive topics such as violence and mental health with vulnerable 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 | 0,333 | 0,194 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,022 | 0,017 |
| Communication savante | 0,014 | 0,009 |
| Science ouverte | 0,007 | 0,010 |
| Intégrité de la recherche | 0,009 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».