The Socio-economic Impact of COVID-19 Among Women and Youth in Nakivale Refugee Settlement, Uganda
Notice bibliographique
Résumé
Although COVID-19 prevention measures played an important role in containing the pandemic, they had unintended consequences especially among vulnerable populations. This formative research sought to explore the impact of COVID-19 on women and youth in the Nakivale Refugee Settlement (NRS), Uganda. In this mixed-methods study, we administered surveys to 258 women and youth aged 15–35 years from NRS to capture data including food insecurity, asset index, financial support and social support. We conducted four focus group discussions (FGDs) with 40 purposively selected participants composed of women, youth and leaders. Quantitative data were descriptively analysed using STATA 13. Qualitative data were analysed using thematic analysis. Participants reported severe food insecurity ( n = 242, 90%), probable depression ( n = 129, 50%), low social-economic status ( n = 136, 54%), loss of employment/income ( n = 204, 79%), saving ( n = 203, 78%), assets ( n = 202, 78%) and financial support ( n = 210, 81%). Results from FGDs indicate that COVID-19 resulted in significant losses in human, social, natural, physical and financial capital among refugee women and youth. Future emergency response strategies should be designed based on the differentiated needs of vulnerable women and youth focusing on ensuring continuous access to essential services such as inclusive and gender-sensitive access to health, education and livelihood 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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| 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 ».