Workplace menstrual health in the private sector: Results from a pilot study in Kenya and Nepal
Notice bibliographique
Résumé
ABSTRACT Menstrual health (MH) efforts have not focused on challenges experienced by working adults. For individuals who identify as women, managing one's periods outside the home is especially difficult when working in male-dominated workplaces. In response, USAID Water, Sanitation, and Hygiene Partnerships for Learning and Sustainability implemented four workplace interventions in Kenya and Nepal to improve MH conditions, promote women's economic empowerment, and garner support from company leadership for workplace MH programs. Over 9–11 months, interventions focused on (i) menstrual products and WASH infrastructure; (ii) workplace policy environment; and (iii) education and behavior change. Pre–post, mixed methods evaluations revealed that awareness and confidence regarding MH increased in all workplaces. Improved access to menstrual products increased women's comfort and lowered anxiety. In both countries, improved toilets and reduction of supervisory barriers to toilet use during working hours helped women employees to change products regularly. Changing the social and institutional workplace environments through policy recommendations, education and behavior change efforts increased social support and reduced menstruation-related stigma, leading to improved work performance and job satisfaction. Our findings demonstrate the feasibility of implementing workplace MH programs and improving working conditions for menstruating employees in pursuit of economic empowerment and better business outcomes.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».