Prevalence, Motivations, and Adverse Effects of Vaginal Practices in Africa and Asia: Findings from a Multicountry Household Survey
Notice bibliographique
Résumé
BACKGROUND: Women worldwide use various vaginal practices to clean or modify their vulva and vagina. Additional population-level information is needed on prevalence and motivations for these practices, characteristics of users, and their adverse effects. METHODS: This was a household survey using multistage cluster sampling in Tete, Mozambique; KwaZulu-Natal, South Africa; Yogyakarta, Indonesia; and Chonburi, Thailand. In 2006-2007, vaginal practices and their motivations were examined using structured interviews with women 18-60 years of age (n=3610). RESULTS: Prevalence, frequency, and motivations varied markedly. Two thirds of women in Yogyakarta and Chonburi reported one or more practices. In Yogyakarta, nearly half ingest substances with vaginal effects, and in Chonburi, external washing and application predominate. In Tete, half reported three or four current practices, and a quarter reported five or more practices. Labial elongation was near universal, and 92% of those surveyed cleanse internally. Two third's in KwaZulu-Natal practiced internal cleansing. Insertion of traditional solid products was rare in Chonburi and Yogyakarta, but one tenth of women in KwaZulu-Natal and nearly two thirds of women in Tete do so. Multivariate analysis of the most common practice in each site showed these were more common among less educated women in Africa and young urban women in Asia. Explicit sexual motivations were frequent in KwaZulu-Natal and Tete, intended for pleasure and maintaining partner commitment. Practices in Chonburi and Yogyakarta were largely motivated by femininity and health. Genital irritation was common at African sites. CONCLUSIONS: Vaginal practices are not as rare, exotic, or benign as sometimes assumed. Limited evidence of their biomedical consequences remains a concern; further investigation of their safety and sexual health implications is warranted.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».