Do Men and Women Report Their Sexual Partnerships Differently? Evidence from Kisumu, Kenya
Notice bibliographique
Résumé
CONTEXT: It is generally believed that men and women misreport their sexual behaviors, which undermines the ability of researchers, program designers and health care providers to assess whether these behaviors compromise individuals' sexual and reproductive health. METHODS: Data on 1,299 recent sexual partnerships were collected in a 2007 survey of 1,275 men and women aged 18-24 and living in Kisumu, Kenya. Chi-square and t tests were used to examine how sample selection bias and selective partnership reporting may result in gender differences in reported sexual behaviors. Correlation coefficients and kappa statistics were calculated in further analysis of a sample of 280 matched marital and nonmarital couples to assess agreement on reported behaviors. RESULTS: Even after adjustment for sample selection bias, men reported twice as many partnerships as women (0.5 vs. 0.2), as well as more casual partnerships. However, when selective reporting was controlled for, aggregate gender differences in sexual behaviors almost entirely disappeared. In the matched-couples sample, men and women exhibited moderate to substantial levels of agreement for most relationship characteristics and behaviors, including type of relationship, frequency of sex and condom use. Finally, men and women tended to agree about whether men had other nonmarital partners, but disagreed about women's nonmarital partners. CONCLUSIONS: Both sample selection bias and selective partnership reporting can influence the level of agreement between men's and women's reports of sexual behaviors. Although men report more casual partners than do women, accounts of sexual behavior within reported relationships are generally reliable.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».