Preventing Sexual Violence and Strengthening Post-Victimization Support Among Adolescents and Young People in Kenya: An INSPIRE-Aligned Analysis of the 2019 Violence Against Children Survey (VACS)
Notice bibliographique
Résumé
Background: Sexual violence against adolescents and young people (AYP) remains a public health concern. This study explores patterns of sexual violence and help-seeking behaviour as well as their associated risk/protective factors with guidance of a technical package (INSPIRE) designed to reduce sexual violence in low-resource settings. Methods: The 2019 Violence Against Children Survey (VACS) dataset comprises 788 males and 1344 females. After describing the prevalence and patterns of sexual violence and help-seeking behaviour (informal disclosure, knowledge of where to seek formal help, seeking formal help, and receipt of formal help) among 13- to 24-year-old AYP, logistic regression models were then fitted to predict past-year sexual violence and informal disclosure among adolescent girls and young women (AGYW). Results: More young women than young men informally disclosed sexual violence experience (46% versus 23%). Gender inequitable attitudes [AOR 3.07 (1.10–8.56); p = 0.03], experiencing emotional violence at home [AOR 2.11 (1.17–3.81); p = 0.01] and cyberbullying [AOR 5.90 (2.83–12.29); p = 0.00] were identified as risk factors for sexual violence among AGYW. Life skills training [AOR 0.22 (0.07–0.73); p = 0.01] and positive parental monitoring [AOR 0.31 (0.10–0.99); p = 0.05] were found to be protective against sexual violence among AGYW. Positive parental monitoring [AOR 3.85 (1.56–9.46); p = 0.00] was associated with an increased likelihood of informal disclosure among AGYW. Conclusions: As Kenya intensifies efforts towards sexual violence prevention, this study underscores the need to develop and strengthen policies and programs on life skills training, cultural norms, and positive parenting, as well as improve awareness and access to post-violence response and support services.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».