Violence Toward Women, Men's Sexual Risk Factors, and HIV Infection Among Women
Notice bibliographique
Résumé
OBJECTIVES: We used the third Rwanda demographic and health survey data to examine the relationship between violence toward women, men sexual risk factors, and HIV prevalence among women. METHODS: The Rwanda demographic and health survey was conducted in 10,272 households in 2005. Analyses were restricted to 2715 women and 2461 men who were legally married or cohabiting. We used logistic regression to analyze associations between HIV and violence toward women. Couple-specific analyses were carried out for assessing the relationship between men sexual risk factors and intimate partner violence (IPV) reported by their wives. RESULTS: Respectively, 29.2%, 22.2%, and 12.4% of women reported having experienced physical, psychological, and sexual IPV, whereas 52.1% reported control practices by their partners. There was a positive link between IPV reported by women and attitudes justifying wife beating endorsed by their husband. After controlling for sociodemographic variables and women sexual risk factors, the odds of HIV prevalence was 3.23 (confidence interval: 1.30 to 8.03) among women with a score from 3 to 4 on the psychological IPV scale compared with those with a score from 0 to 2. Women who reported having experienced interparental violence (father who beat mother) were more likely to test HIV positive as follows: adjusted odds ratio: 1.95; 95% confidence interval: 1.11 to 3.43. There was also a statistically significant relationship between men risky sexual factors and experience of IPV and HIV prevalence among women. CONCLUSIONS: Violence toward women is associated with HIV in Rwanda. Intervention to reduce gender-based violence should be integrated into HIV/AIDS policy.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| 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 ».