"Whenever I remember I shed tears and can't speak": A thematic qualitative analysis of trauma experiences and resiliency amongst displaced women fleeing the Sudan war.
Notice bibliographique
Résumé
Background The ongoing war in Sudan has resulted in the world's largest humanitarian crisis to date, and the widespread violence and displacement has resulted in poor mental health outcomes. This study explores the mental health impact of violence and displacement on women and girls fleeing the conflict in Sudan to South Sudan. Methods A cross sectional, mixed methods study was conducted in South Sudanese settlement sites in July 2024. The study gathered data on women's and girls experiences of migration across the border from Sudan to South Sudan at Aweil North, using a sensemaking approach which captured micronarratives from participants aged 13+. Qualitative data were screened manually for inclusion, and narratives related to mental health and resilience were analyzed thematically. Results 327 narratives were included in the study. Main themes included experiences of psychological trauma, impact of trauma, life at settlement centres and resilience. Our study found high levels of traumatic experiences amongst study participants, including sexual violence, death or killing of a family member, torture, and abduction, with a wide range of mental health impacts. The lack of support and services at settlement centres appeared to compound these concerns. Despite adversity many participants demonstrated resilience, indicating the potential for post-traumatic growth. Conclusions Our study found strong evidence of the mental health impact of the ongoing war and insufficient aid in South Sudanese settlement centres amongst women and girls. As resilient behaviours were found amongst study participants, interventions which harness resiliency may help foster post-traumatic growth in this population. Finally, as both mental health research and humanitarian response in this area are often overlooked, there is a clear need for coordinated advocacy efforts to increase mental health support and services in response to this ongoing conflict.
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 | 0,011 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,013 | 0,013 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».