Gender and antimicrobial resistance: a conceptual framework for researchers working in livestock systems
Notice bibliographique
Résumé
Background: To promote gender mainstreaming in future AMR research projects and policy implementation within livestock and other systems, researchers need to embrace gender-responsive research methodologies. Ignoring gender considerations can lead to unsustainable interventions and exacerbate existing equity gaps. Incorporating gender analysis is crucial for identifying data collection needs and opportunities to develop gender-responsive research programs and policies. Objectives: We have developed a conceptual framework and a set of research questions designed to enhance the gender-responsiveness of AMR research in livestock systems. Methods: A narrative review previously identified three key entry points for gender dynamic impacting AMR in agricultural systems: gendered antimicrobial resistance exposure, gendered antimicrobial use and gendered outcomes of antimicrobial resistance infections. This information was then analyzed using a health system gender framework. Combining these insights, we developed a comprehensive list of research questions. Results: We developed comprehensive list of gender-related questions. Given the limited understanding of how gender dynamics and norms influence AMR, we have primarily proposed qualitative, exploratory questions. These questions are categorized into two types: integrated and strategic. Integrated questions offer a deeper understanding of gender dynamics and norms in livestock systems with the aim of improving them, while strategic questions focus on gender-related issues in livestock as entry points, highlighting some of the mechanisms behind these gender issues to progress towards gender equality. Conclusion: As gender-analysis in livestock research gains prominence, there is an increasing expectation for AMR researchers to integrate gender considerations into their work. This framework provides a starting point for researchers aiming to enhance gender inclusivity and considerations in AMR research within livestock systems. The next phase of our project will involve applying this framework in the field, where a real-life application will enable its validation and further refinement.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».