Surviving pandemic control measures: The experiences of female sex workers during COVID-19 in Nairobi, Kenya
Notice bibliographique
Résumé
At the beginning of the COVID-19 pandemic, the Kenya Ministry of Health instituted movement cessation measures and limits on face-to-face meetings. We explore the ways in which female sex workers (FSWs) in Nairobi were affected by the COVID-19 control measures and the ways they coped with the hardships. Forty-seven women were randomly sampled from the Maisha Fiti study, a longitudinal study of 1003 FSWs accessing sexual reproductive health services in Nairobi for an in-depth qualitative interview 4-5 months into the pandemic. We sought to understand the effects of COVID-19 on their lives. Data were transcribed, translated, and coded inductively. The COVID-19 measures disenfranchised FSWs reducing access to healthcare, decreasing income and increasing sexual, physical, and financial abuse by clients and law enforcement. Due to the customer-facing nature of their work, sex workers were hit hard by the COVID-19 restrictions. FSWs experienced poor mental health and strained interpersonal relationships. To cope they skipped meals, reduced alcohol use and smoking, started small businesses to supplement sex work or relocated to their rural homes. Interventions that ensure continuity of access to health services, prevent exploitation, and ensure the social and economic protection of FSWs during times of economic strain are required.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».