Sexual and gender-related violence against girls in sub-Saharan Africa: a need for effective interventions
Notice bibliographique
Résumé
High rates of sexual and gender-related violence (SGRV) against girls occur in sub-Saharan Africa. SGRV generates fear, anxiety, and depression and leads to multiple adverse outcomes; its pervasive nature constitutes a significant public health crisis; the need for effective interventions is evident as currently applied programs have known limitations, and 1 in 3 women still suffer gender-based violence in their lifetime. This report reviews the challenge and mental health impact of SGRV in sub-Saharan Africa, summarizes the strengths and weaknesses of currently applied interventions, and describes a novel social empowerment intervention piloted in Uganda which achieved nationwide reach. Girls were engaged in high schools to identify the SGRV issues they saw as priorities. A music video was recorded by celebrity artists with scenarios to illustrate these issues and promote positive interventions; this used the framework for Education-Entertainment media, a validated form of health promotion. Over 12 months, the video was viewed 36,651 times on YouTube and generated >200,000 social media posts; streaming platforms saw 113,757 individuals downloaded the song; >310,000 people at public concerts heard the song performed; and eight national broadcasters played the video or song at least 30 times reaching a combined audience of >9,500,000. We suggest these data and the inherent merit of a preventive SGRV intervention warrant further consideration of this music video model; other countries can produce region-specific, population-focused versions to meet the urgent need for targeted interventions to raise societal awareness and enhance mental health support for those living in fear of sexual violence.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».