XiaoMi-AI文件搜索系统
World File Search Systemrefuge
在西欧和土耳其重新安置的寻求庇护者和难民中精神障碍发展的风险因素：两个
抽象背景：在寻求庇护者和难民中，精神障碍的频率（例如抑郁症，焦虑和创伤后应激障碍）高于一般人群，但缺乏有关该人群精神障碍发展的风险因素的数据。目的：本研究调查了在高层和中等收入环境中重新安置的大量寻求庇护者和难民中精神障碍发展的危险因素。方法：来自两项随机预防研究的参与者级数据，涉及寻求庇护者和难民在西欧国家和土耳其重新安置。两项研究随机患有心理困扰，但没有精神障碍的诊断，可以像往常一样进行心理干预或增强的护理。在基线时，使用哈佛创伤调查表Part I测量了潜在的创伤事件，而心理困扰和抑郁症状则通过一般健康调查表和患者健康调查表评估。经过3个月和6个月的随访，使用迷你国际神经精神访谈计算出患有精神障碍的参与者的比例。结果：分析中总共包括1,101名参与者。在3个月和6个月的随访中，观察到的精神障碍频率分别为13.51％（115/851）和24.30％（207/852），而丢失数据后的频率估计分别为13.95％和23.78％。在控制混杂因素之后，逻辑回归分析表明，具有较低教育水平的参与者（P = .034），较短的旅程持续时间（P = .057），并且来自与战争相关的环境的国家（P = .017），更有面临智力障碍的风险。心理困扰（p = .004），抑郁症（p = .001）和暴露于潜在的创伤事件（p = .020）是精神障碍发展的预测指标。结论：本研究确定了寻求庇护者和难民中精神障碍发展的几个风险因素，其中一些可能是降低风险政策的目标。确定寻求庇护者和难民的精神障碍风险增加应指导重点预防心理干预的实施。
土耳其叙利亚难民的情况
解决被迫流离失所的社会经济后果和解决难民融合挑战是最近最紧迫的全球政策问题之一。借鉴过去危机的经验教训，制定更有效的缓解和预防政策，对于全世界所有人的福祉至关重要。本文概述了土耳其约 350 万叙利亚难民的社会经济融合情况，特别关注现有政策、关键要点和未来挑战。讨论围绕五个主题展开。首先，本文简要讨论了叙利亚内战的背景和复杂的政治性质。其次，它通过展示叙利亚人口的数量、流动模式、区域构成和特征，提供了土耳其叙利亚人口的快照。第三，它讨论了土耳其政府实施的融合政策框架，特别关注劳动力市场、教育、健康和社会保护政策。第四，它回顾了研究难民涌入对国民和难民各种关键结果影响的学术文献。最后，本文讨论了难民危机期间面临的主要挑战和经验教训，并简要讨论了 2023 年 2 月毁灭性的卡赫拉曼马拉什-哈塔伊地震对难民融入问题的影响。关键词：被迫流离失所、叙利亚难民、社会经济融合、土耳其
英国对英国境内难民的援助快速审查
© 英国皇家版权 2023 除非另有说明，本出版物根据开放政府许可证 v3.0 的条款获得许可。要查看此许可证，请访问 www.nationalarchives.gov.uk/doc/open-government-licence/version/3，或写信给国家档案馆信息政策团队，Kew，伦敦 TW9 4DU，或发送电子邮件至：psi@nationalarchives.gsi.gov.uk。如果我们发现任何第三方版权，您需要获得相关版权持有人的许可。根据开放政府许可证的条款，鼓励读者复制 ICAI 报告中的材料，只要它们不用于商业销售。ICAI 要求应予以确认并提供出版物副本。对于在线使用，我们要求读者链接到 ICAI 网站上的原始资源。有关本出版物的任何疑问，请发送至 enquiries@icai.independent.gov.uk。
公众对难民和其他人的叙述和态度...
本研究使用“难民和其他移民”来指代波兰境内所有外国人，使用“移民”来指代他们进入波兰的情况。“移民”一词用于反映调查问题中使用的特定措辞。“难民”一词指的是那些逃离冲突或迫害的人，无论个人是否被正式承认为难民，或是否属于更广泛的框架，如附属或临时保护。“难民和寻求庇护者”一词用于在数据集中区分那些被正式承认为难民的人和那些身份尚未确定的人。虽然本报告主要关注难民和其他移民进入波兰的流动，但在尽可能的情况下，将其置于更广泛的流动模式的背景下，包括从波兰移民。
难民理事会 2022-2025 年难民参与战略 序言 在难民理事会，我们坚定地致力于确保难民和难民的生活
难民理事会 2022-2025 年难民参与战略 前言 在难民理事会，我们坚定地致力于确保生活和学习经验得到同等重视、尊重、价值和重要性。我们的包容价值观表明“我们与难民和寻求庇护的人一起工作，而不是为他们工作，因此他们有平等的发言权，共同制作项目，并确保他们的专业知识和经验是我们工作的核心”。 我们知道我们还没有做好这一点，而且才刚刚开始。这项难民参与战略和相关的交付计划将确保我们开始向前迈进。我们选择称之为难民参与战略，以便清楚地表明我们的意思和正在寻求做的事情。参与制定战略的工作人员和有生活经验的人认为难民参与这个词更清楚，避免了不同解释或理解的风险。我们非常清楚我们的意思：难民与组织各部门的工作人员合作，塑造和影响从战略管理到一线服务交付的各个层面的决策。难民的知识和生活经验受到重视和尊重，并与工作人员的专业知识相结合，做出明智的决定。工作人员和参与的难民共同承担决策的权力和责任。要实现这一点，我们需要以不同的方式工作。然而，我们很现实，这需要时间，不能操之过急。我们也知道，如果我们要实现这一目标，我们必须分配资源，使工作人员有能力。这还要求我们拥有一种组织文化和工作实践，以支持整个组织有意义和有效的难民参与。我们还必须与更广泛的难民和庇护部门合作、学习和分享最佳实践。我们有意雄心勃勃，但我们知道前面的道路将是漫长而充满挑战的。对我们来说，质量比速度更重要。我们不会把所有事情都做对，但我们会努力不断学习，并对进展负责。难民委员会首席执行官 Enver Solomon
COVID-19中的难民和移民免疫
社会，政治和经济排斥可能会导致贫困，无家可归和剥削，这可能会造成更高的感染风险SARS-COV-2，SARS-COV-2是导致COVID-19的病毒。难民和移民可能必须在近距离生活或在没有保护的条件下工作（例如，在过度拥挤的非正式定居点，工人的宿舍，接待处和拘留中心或拘留所中心或污点住房安排）（2-5）（2-5），具有物理距离或自隔离的能力有限（6,7）。许多难民和移民在基本部门工作，更多地暴露于该病毒，因此更容易受到感染的影响（8）。，由于种族，文化，语言或种族等因素，他们可能会更加脆弱，因为在占主导地位的人群群体之外。他们可能会经历优质医疗保健的机会，或者在寻求医疗保健（寻求医疗保健的情况下，对政府的不信任或害怕拘留和驱逐出境）可能会遭受优质的医疗保健。
为难民提供人民疫苗：确保难民和其他流离失所者能够获得新冠肺炎疫苗
乌干达约 94% 的难民居住在城市中心以外的定居点。乌干达政府的政策目标是在每个教区都设立一所卫生中心，理想情况下，这些卫生中心应位于距离服务对象 5 公里的中心位置。然而，大多数难民社区附近的卫生中心并没有提供疫苗——通常是因为缺乏储存疫苗所需的冷藏设备。因此，偏远定居点的难民通常需要行走 5 至 30 公里才能接种疫苗，而且他们通常只能步行、骑自行车或乘坐摩的（boda boda），而这些费用可能相当于大多数难民一个月的收入。有限的交通选择给一些最容易感染 COVID-19 的人群（如老年人和患有某些疾病或残疾的人）前往遥远的疫苗接种中心带来了更大的挑战。
covid-vaccine-strategy-schech-roma-refugees- ...
使用什么应用程序，尤其是用于发布视频和其他社交媒体，包括Facebook；可以要求服务用户进一步传播此信息给服务用户打电话并与他们进行对话面对面的会议（适当 /何时交付食物袋时）提供书面翻译的信息，海报和简单阅读版本的服务用户也将支持参加疫苗接种约会。此策略要求卫生倡导者考虑服务用户接受疫苗接收连续体并做出相应反应的位置。它阐明了与a）疫苗接种或接受疫苗接种的人的两种关键方式，而b）决定反对疫苗接种的人。该策略反映了以下知识：医疗保健专业人员是疫苗最值得信赖的信息来源，因此，健康倡导者具有关键作用。
非人类人道主义：当人工智能的善举变成坏事时 Mirca Madianou 伦敦大学金史密斯学院 2018 年，有超过 1.68 亿人需要人道主义援助，同时有超过 6900 万人成为难民，人道主义部门面临着重大挑战。人工智能 (AI) 应用可以成为人道主义危机的潜在解决方案的提议受到了热烈欢迎。这是“人工智能用于社会公益”大趋势的一部分，也是“数字人道主义”更广泛发展的一部分，“数字人道主义”指的是公共和私营部门为应对人道主义紧急情况而使用数字创新和数据。聊天机器人、声称可以预测未来流行病或人口流动的预测分析和建模以及依赖于采用机器学习算法的先进神经网络的生物识别技术，都是在援助行动中越来越受欢迎的例子。本文建立了一个跨学科框架，将殖民和非殖民理论、人道主义和发展的批判性探究、批判性算法研究以及对人工智能的社会技术理解结合在一起。人道主义在这里被理解为一种复杂的现象：不仅仅是通常定义的“减少痛苦的必要性”（Calhoun，2008），而且是一种行业、一种话语和一种源于 19 世纪和 20 世纪殖民主义的历史现象（Fassin，2012；Lester & Dussart，2014）。人工智能同样是一个多面现象：不仅仅是基于先进计算和机器学习算法的技术创新，而且是一个行业以及关于技术的特定话语。人工智能只能与数据和算法一起理解——这三者是不可分割的，因为人工智能依赖于机器学习算法，而机器学习算法是特定数据集的产物。鉴于“大数据”本质上是不完整的，且具有本体论和认识论的局限性（Crawford & Finn，2014），人工智能应用会重现并可能放大大型数据集中发现的现有偏见（Benjamin，2019；Eubanks，2018；Noble，2018 等）。
非人类人道主义：当人工智能的善举变成坏事时 Mirca Madianou 伦敦大学金史密斯学院 2018 年，有超过 1.68 亿人需要人道主义援助，同时有超过 6900 万人成为难民，人道主义部门面临着重大挑战。人工智能 (AI) 应用可以成为人道主义危机的潜在解决方案的提议受到了热烈欢迎。这是“人工智能用于社会公益”大趋势的一部分，也是“数字人道主义”更广泛发展的一部分，“数字人道主义”指的是公共和私营部门为应对人道主义紧急情况而使用数字创新和数据。聊天机器人、声称可以预测未来流行病或人口流动的预测分析和建模以及依赖于采用机器学习算法的先进神经网络的生物识别技术，都是在援助行动中越来越受欢迎的例子。本文建立了一个跨学科框架，将殖民和非殖民理论、人道主义和发展的批判性探究、批判性算法研究以及对人工智能的社会技术理解结合在一起。人道主义在这里被理解为一种复杂的现象：不仅仅是通常定义的“减少痛苦的必要性”（Calhoun，2008），而且是一种行业、一种话语和一种源于 19 世纪和 20 世纪殖民主义的历史现象（Fassin，2012；Lester & Dussart，2014）。人工智能同样是一个多面现象：不仅仅是基于先进计算和机器学习算法的技术创新，而且是一个行业以及关于技术的特定话语。人工智能只能与数据和算法一起理解——这三者是不可分割的，因为人工智能依赖于机器学习算法，而机器学习算法是特定数据集的产物。鉴于“大数据”本质上是不完整的，且具有本体论和认识论的局限性（Crawford & Finn，2014），人工智能应用会重现并可能放大大型数据集中发现的现有偏见（Benjamin，2019；Eubanks，2018；Noble，2018 等）。
用于难民安置的可再生能源：
在此框架下，IRENA 与联合国难民署于 2019 年 12 月在全球难民论坛上发布了一项研究，评估伊拉克和埃塞俄比亚四个难民营的能源使用情况，并制定通过可再生能源实现更可靠、更实惠的能源供应的蓝图