Shared perceived causes of suicide among young men and violence against young women offer potential for co-designed solutions: intervention soft-modelling with fuzzy cognitive mapping
Notice bibliographique
Résumé
Violence against young women (VAW) and suicide among young men are serious concerns in Botswana and elsewhere. We examined the overlap in locally perceived causes of these two forms of violence in Botswana using the results from separate studies that used fuzzy cognitive mapping (FCM) to explore perceived causes of the two outcomes. FCM depicts perceived causes of an outcome and their links to the outcome and each other, with weights denoting the perceived strength of each link. The two studies engaged groups of young women, young men, older women, and older men in rural communities. We grouped related concepts into broader categories, then combined category maps for each outcome into a single map including both forms of violence. Based on social network analysis, we calculated the out-degree centrality of each category indicating its influence within the network. Intervention soft-modelling explored the effects of removing individual categories on suicide and VAW. Of 24 causal categories in the combined map, six were shared between both outcomes, 10 were for suicide only, and seven were for VAW only. The six shared categories accounted for 60% of cumulative influence of all categories in the combined map. The three most influential shared categories were financial difficulties, conflict in relationships, and parenting and family issues. Based on local perceptions, avoiding conflict in relationships could reduce suicide by 4.8% and VAW by 18.5%. Eliminating parenting and family issues could reduce suicide by 3% and VAW by 5.4%. Preventing financial difficulties could reduce suicide by 9.3% and VAW by 2.9%. The findings support the idea that some interventions might reduce both personal and interpersonal violence among youth. Analysis of stakeholder perceived causes and soft-modelling of potential interventions could inform community-led co-design of strategies to reduce youth suicide and violence against young women in Botswana.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».