Predictors of Reducing Sexual and Reproductive Risk Behaviors Based on the Information-Motivation-Behavioral Skills (IMB) Model among Unmarried Rural-To-Urban Female Migrants in Shanghai, China
Notice bibliographique
Résumé
BACKGROUND: Due to the increase of premarital sex and the lack of reproductive health services, unmarried rural-to-urban female migrants experience more risks of sex and reproductive health (SRH). This study was designed to describe SRH related knowledge, attitude and risk behaviors among unmarried rural-to-urban female migrants and examine the predictors of reducing sexual and reproductive risk behaviors based on information-motivation-behavioral skills (IMB) model and to describe the relationships between the constructs. METHODS: We conducted a cross-sectional study to assess SRH related information, motivation, behavioral skills and preventive behaviors among unmarried rural-to-urban female migrants in Shanghai, one of the largest importers of migrant laborers in China. Structural equation modeling (SEM) was used to assess the IMB model. RESULTS: A total of 944 subjects completed their questionnaires. The mean age was 21.2 years old (SD = 2.3; range 16 to 28). Over one-fourth of participants reported having had premarital sex (N = 261, 27.6%) and among whom 15.3% reported having had the experience of unintended pregnancy, 14.6% with the experience of abortion. The final IMB model provided acceptable fit to the data (CFI = 0.99, RMSEA = 0.034). Reducing sexual and reproductive risk behaviors was significantly predicted by SRH related information (β = 0.681, P<0.001) and behavioral skills(β = 0.239, P<0.001). Motivation (β = 0.479, P<0.001) was the significant indirect predictor of reducing sexual and reproductive risk behaviors mediated through behavioral skills. CONCLUSIONS: The results highlight the importance and necessity of conducting reproductive health promotion among unmarried rural-to-urban female migrants in China. The IMB model could be used to predict reducing sexual and reproductive risk behaviors and it suggests future interventions should focus on improving SRH related information and behavioral skills.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».