A discourse analysis of social inequities, gender, and stigma in tuberculosis policies of seven countries from Africa, Asia, Europe and South America
Notice bibliographique
Résumé
BACKGROUND: Interventions tackling the social aspects of tuberculosis (TB) are widely suggested, yet we miss insights into how policies incorporate these. The language and framing of policies to address TB can lend important insights into how these social drivers are perceived, problematized, and responded to. OBJECTIVE: To understand how discourses in current TB policies frame social dimensions of TB, especially concepts of social inequity, gender, and stigma. METHODS: We conducted a comparative critical discourse analysis of twenty-one publicly available TB-related policies from Belarus, Brazil, Indonesia, Mozambique, Netherlands, Portugal, and Romania, countries with diverse epidemiological, geographical and sociopolitical contexts. Documents were sourced from public websites from May - September 2024. The Bacchi approach was used to analyze policy framings of social inequities, gender, and stigma. RESULT: While policies from Brazil and Indonesia showed greater attention to social inequities, gender, and stigma, and were more explicitly reflective of an equity-oriented and people-centered approach, overall, a dominant biomedical perspective was observed that individualizes responsibility for cure. This tends to disregard issues of social inequity, obscures gender relationships and the multiple dimensions of stigma. At the same time, allocation of individual as well as structural responsibility for TB risk and outcomes co-existed. CONCLUSIONS: Explicit and implicit discourses about TB within health-related policies can influence the nature of attention given to the social dimensions of TB and can shape corresponding responses to the disease. We recommend a participative policy process that includes a broader set of actors to ensure documents are responsive to social realities.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».