Climate change, resource insecurities and sexual and reproductive health among young adolescents in Kenya: a multi-method qualitative inquiry
Notice bibliographique
Résumé
INTRODUCTION: Growing evidence supports linkages between climate change and extreme weather events (EWEs) and sexual and reproductive health (SRH) among adults. Yet knowledge gaps persist regarding climate-related experiences and pathways to SRH among young adolescents (YA). We conducted a multi-method qualitative study to explore climate change-related factors and linkages with SRH among YA aged 10-14 years in Kenya. METHODS: This six-site study was conducted in Nairobi's urban slum Mathare; Naivasha's flower farming community; Kisumu's fishing community; Isiolo's nomadic and pastoralist community; Kilifi's coastal smallholder farms and Kalobeyei refugee settlement. Methods involved: n=12 elder focus groups, n=60 YA walk-along interviews (WAIs) and n=12 2-day YA participatory mapping workshops (PMWs). We conducted codebook thematic analysis informed by the resource insecurity framework. RESULTS: Participants (n=297) included: elders (n=119; mean age: 60.6 years, SD: 7.9; men: 48.7%, women: 51.3%), YA WAI participants (n=60; mean age: 13.4, SD: 1.5; boys: 51.4%, girls: 48.6%) and YA PMW participants (n=118; mean age: 12.1, SD: 1.3; boys: 50.8%, girls: 49.2%). Narratives identified climate-related changes and EWEs increased existing resource insecurities that, in turn, were linked directly and indirectly with SRH vulnerabilities. Food and water insecurity contributed to YA missing school, sexual violence, transactional sex and exploitative relationships. Sanitation insecurity produced challenges regarding menstrual hygiene, sexual violence risks and transactional sex. Transactional sex and exploitative relationships were linked with unplanned pregnancy and sexually transmitted infection risks. Gender inequities increased girls' risks for violence and sexual exploitation, whereas boys were more prone to running away. CONCLUSION: We found that climate change exacerbated resource insecurities that may drive SRH outcomes among YA in Kenya. We developed a conceptual model to illustrate these pathways linking climate change, EWEs, resource insecurities and SRH. Climate-informed interventions should consider these pathways within larger social environmental contexts to advance young adolescent SRH in Kenya.
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 | 0,008 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».