A global review of the impact on women from men’s alcohol drinking: the need for responding with a gendered lens
Notice bibliographique
Résumé
BACKGROUND: Global evidence shows that men's harmful alcohol use contributes to intimate partner violence (IPV) and other harms. Yet, interventions that target alcohol-related harms to women are scarce. Quantitative analyses demonstrate links with physical and verbal aggression; however, the specific harms to women from men's drinking have not been well articulated, particularly from an international perspective. AIM: To document the breadth and nature of harms and impact of men's drinking on women. METHODS: A narrative review, using inductive analysis, was conducted of peer-reviewed qualitative studies that: (a) focused on alcohol (men's drinking), (b) featured women as primary victims, (c) encompassed direct/indirect harms, and (d) explicitly featured alcohol in the qualitative results. Papers were selected following a non-time-limited systematic search of key scholarly databases. RESULTS: Thirty papers were included in this review. The majority of studies were conducted in low- to middle-income countries. The harms in the studies were collated and organised under three main themes: (i) harmful alcohol-related actions by men (e.g. violence, sexual coercion, economic abuse), (ii) impact on women (e.g. physical and mental health harm, relationship functioning, social harm), and (iii) how partner alcohol use was framed by women in the studies. CONCLUSION: Men's drinking results in a multitude of direct, indirect and hidden harms to women that are cumulative, intersecting and entrench women's disempowerment. An explicit gendered lens is needed in prevention efforts to target men's drinking and the impact on women, to improve health and social outcomes for women worldwide.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».