Navigating water and sanitation environments in schools: Exploring health risk perceptions of children with physical disabilities using drawing
Notice bibliographique
Résumé
• The UN Sustainable Development Goals prioritize healthy water and sanitation for everyone. • The study used art-based methodologies to examine how children with physical disabilities navigate the WASH environment in primary schools in Ghana, as well as the perceived health concerns attached to their poor access. • Poor WASH access by persons with physical disabilities can lead to dehydration resulting from low water intake, diarrhea, vulnerability to abuse, and various forms of psychosocial stress. • Integrating WASH interventions in schools can have a positive impact on attendance, reduce absenteeism, improve health, and reduce the learning gap for disadvantaged children. Ensuring universal access to safe water and sanitation remains a central goal of the United Nations Sustainable Development Goals (SDGs). However, persons with physical disabilities continue to encounter numerous barriers—stemming from capacity, environmental, and personal constraints—when accessing these facilities. This study aimed to (i) explore how children with physical disabilities navigated water, sanitation, and hygiene (WASH) environments in primary schools in Ghana and (ii) investigate their perceived health risks associated with these environments. Children were given prompts to draw and write about their school WASH contexts, followed by interviews to discuss their drawings. A thematic analysis of their narratives and artwork revealed several barriers, including physically inaccessible facilities, poor maintenance, and limited peer support or mobility aids. Commonly reported health implications included dehydration from inadequate water intake, diarrhoea, increased vulnerability to abuse, and psychosocial stress. The findings further showed that the type and severity of disability influenced the extent of these challenges. To advance SDGs 6, 4, and 3, strategies must be implemented to create safe, inclusive school environments that address the diverse needs of all learners.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».