Gender Inequity Norms Are Associated with Increased Male-Perpetrated Rape and Sexual Risks for HIV Infection in Botswana and Swaziland
Notice bibliographique
Résumé
BACKGROUND: There is limited empirical research on the underlying gender inequity norms shaping gender-based violence, power, and HIV risks in sub-Saharan Africa, or how risk pathways may differ for men and women. This study is among the first to directly evaluate the adherence to gender inequity norms and epidemiological relationships with violence and sexual risks for HIV infection. METHODS: Data were derived from population-based cross-sectional samples recruited through two-stage probability sampling from the 5 highest HIV prevalence districts in Botswana and all districts in Swaziland (2004-5). Based on evidence of established risk factors for HIV infection, we aimed 1) to estimate the mean adherence to gender inequity norms for both men and women; and 2) to model the independent effects of higher adherence to gender inequity norms on a) male sexual dominance (male-controlled sexual decision making and rape (forced sex)); b) sexual risk practices (multiple/concurrent sex partners, transactional sex, unprotected sex with non-primary partner, intergenerational sex). FINDINGS: A total of 2049 individuals were included, n = 1255 from Botswana and n = 796 from Swaziland. In separate multivariate logistic regression analyses, higher gender inequity norms scores remained independently associated with increased male-controlled sexual decision making power (AORmen = 1.90, 95%CI:1.09-2.35; AORwomen = 2.05, 95%CI:1.32-2.49), perpetration of rape (AORmen = 2.19 95%CI:1.22-3.51), unprotected sex with a non-primary partner (AORmen = 1.90, 95%CI:1.14-2.31), intergenerational sex (AORwomen = 1.36, 95%CI:1.08-1.79), and multiple/concurrent sex partners (AORmen = 1.42, 95%CI:1.10-1.93). INTERPRETATION: These findings support the critical evidence-based need for gender-transformative HIV prevention efforts including legislation of women's rights in two of the most HIV affected countries in the world.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».