Illness Narratives Without the Illness: Biomedical HIV Prevention Narratives from East Africa
Notice bibliographique
Résumé
Illness narratives invite practitioners to understand how biomedical and traditional health information is incorporated, integrated, or otherwise internalized into a patient's own sense of self and social identity. Such narratives also reveal cultural values, underlying patterns in society, and the overall life context of the narrator. Most illness narratives have been examined from the perspective of European-derived genres and literary theory, even though theorists from other parts of the globe have developed locally relevant literary theories. Further, illness narratives typically examine only the experience of illness through acute or chronic suffering (and potential recovery). The advent of biomedical disease prevention methods like post- and pre-exposure prophylaxis (PEP and PrEP) for HIV, which require daily pill consumption or regular injections, complicates the notion of an illness narrative by including illness prevention in narrative accounts. This paper has two aims. First, we aim to rectify the Eurocentrism of existing illness narrative theory by incorporating insights from African literary theorists; second, we complicate the category by examining prevention narratives as a subset of illness narratives. We do this by investigating several narratives of HIV prevention from informants enrolled in an HIV prevention trial in Kenya and Uganda in 2022.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,016 | 0,013 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,005 |
| 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 ».