Systematic Review of Health Challenges Experienced by Indian Women Engaged in Informal Labor
Notice bibliographique
Résumé
Background: Informal economy encompasses all economic activities carried out by workers or economic units that are, not adequately covered by formal legal or regulatory frameworks. National data from India hints 53.7% of the 308 million unorganized workers are women. In view of the multifaceted occupational risk, informal women workers are at risk of multiple health challenges. Present study aims to synthesize existing evidence on the health challenges experienced by Indian women in informal labor.Methods: Studies reporting health challenges experienced by Indian women engaged in informal labor were systematically searched from digital databases available until September 09, 2024. Preferred Reporting Items of Systematic reviews and Meta-Analysis guidelines were adhered during the execution. In view of heterogeneous reporting of results and non-availability of data dispersion, pooled effect size could not be estimated. Risk of biases among the included studies were assessed using Newcastle Ottawa Scale.Results: Thirty-three studies involving informal women were included. Musculoskeletal discomfort was most prevalent among all forms of informal women workers. Prevalence of upper limb and trunk discomfort (89 – 95%) was higher than the lower trunk / limbs (61-81%). Prevalence of cardio-respiratory (~73%), dermatological (32 – 78%) and ophthalmic (45 – 90%) related symptoms were notably high. Few studies highlighted the odds of some of these health challenges were higher among women as compared to men. Majority of the included studies carried high risk of bias in all assessed domains.Conclusion: Current observations highlight the significant health challenges faced by Indian informal women laborers. Despite the results being derived by sub-quality primary studies, given the growing female participation in India’s informal economy, this evidence calls for urgent and inclusive action. There is a pressing need to integrate informal women workers into primary health and social protection programs.
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 | 0,009 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».