Addressing gender inequalities in health: a comprehensive framework for policy and practice
Notice bibliographique
Résumé
Despite evidence on the role of gender as a social determinant of health, there is a lack of frameworks that focus on the factors contributing to gender inequalities in health (GIeH) and their specific characteristics. We aim to present the GIeH framework, specifically designed to illustrate the processes, determinants, and consequences of GIeH that support improved measurement of gender equality in health and inform policymaking. A ‘best-fit’ framework synthesis was utilized. We identified the existing frameworks to generate an a priori framework, followed by systematically identifying relevant studies and coding their results against it. We searched bibliographic databases including Web of Science, MEDLINE, PubMed, ScienceDirect, Scopus, and grey literature and relevant websites, using predefined inclusion and exclusion criteria. No restrictions were imposed on document type, setting, date, or language and we used the JBI critical appraisal checklist to assess the quality of included studies. Thematic analysis and team discussions were applied to finalize the sub-themes in our proposed conceptual framework. Based on the synthesis of identified evidence, we categorized eight themes and 48 sub-themes into determinants and consequences of GIeH. These determinants were classified into four layers: context, health system, community-household, and individual factors. We provided a schematic to illustrate the interaction process between these layers, contributing to gender inequalities in health outcomes such as health status, life expectancy, health- related quality of life, mortality, and morbidity. This framework provides a broad perspective on gender inequalities in health. It is a practical tool for health policymakers and professionals, providing a systematic approach to measure, monitor, and address these inequalities. By highlighting the interactions of various factors from Micro to Macro level and their effects on health outcomes, the framework facilitates strategic policy interventions and empirical solutions to promoting health equity. Systematic review registration: PROSPERO; CRD42022366765.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».