Minimum Marriage Age Laws and the Prevalence Of Child Marriage and Adolescent Birth: Evidence from Sub-Saharan Africa
Notice bibliographique
Résumé
CONTEXT: The relationship of national laws that prohibit child marriage with the prevalence of child marriage and adolescent birth is not well understood. METHODS: Data from Demographic and Health Surveys and from the Child Marriage Database created by the MACHEquity program at McGill University were used to examine the relationship between laws that consistently set the age for marriage for girls at 18 or older and the prevalence of child marriage and teenage childbearing in 12 Sub-Saharan African countries. Countries were considered to have consistent laws against child marriage if they required females to be 18 or older to marry, to marry with parental consent and to consent to sex. Associations between consistent laws and the two outcomes were identified using multivariate regression models. RESULTS: Four of the 12 countries had laws that consistently set the minimum age for marriage at 18 or older. After adjustment for covariates, the prevalence of child marriage was 40% lower in countries with consistent laws against child marriage than in countries without consistent laws against the practice (prevalence ratio, 0.6). The prevalence of teenage childbearing was 25% lower in countries with consistent minimum marriage age laws than in countries without consistent laws (0.8). CONCLUSION: Our results support the hypothesis that consistent minimum marriage age laws protect against the exploitation of girls.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».