Planning with a gender lens: A gender analysis of pandemic preparedness plans from eight countries in Africa
Notice bibliographique
Résumé
Background: Health planning and priority setting with a gender lens can help to anticipate and mitigate vulnerabilities that women and girls may experience in health systems, which is especially relevant during health emergencies. This study examined how gender considerations were accounted for in COVID-19 pandemic response planning in a subset of countries in Africa. Methods: Multi-country document review of national pandemic response plans (published before July 2020 and as of March 2022) from Ethiopia, Ghana, Kenya, Nigeria, Rwanda, South Africa, Uganda, and Zambia, supplemented with secondary data on gender representation on planning committees. A gender analysis framework informed the study design and the Morgan et al. matrix guided data extraction and analysis. Results: All plans reflected implicit and explicit considerations of the impacts of the pandemic responses on women and girls. Through a gender lens, the implicit considerations focused on ensuring safety and protections (e.g., training, access to personal protective equipment) for community and facility-based health care workers and broad engagement of the community in risk communication. The explicit gender considerations, reflected in a minority of plans, focused on addressing gender-based violence and providing access to essential services (e.g., sexual and reproductive health care, psychosocial supports), products (e.g., menstrual hygiene products) and social protection measures. Women were underrepresented on the COVID-19 planning committees in all countries. Conclusions: The plans reflected varying national efforts to develop pandemic responses that anticipated and reflected unique vulnerabilities faced by women, though subsequent plans reflected further consideration of gender-relevant impacts compared to initial plans. Embedding a gender lens in emergency preparedness planning furthers equity and could support anticipation and timely mitigation of negative outcomes for women and girls who are often further marginalized during health emergencies.
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 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».