Contraceptive Use among Women with Chronic Medical Conditions and Factors Associated with Its Non-Use in Malaysia
Notice bibliographique
Résumé
INTRODUCTION: Women with chronic medical conditions are at higher risk of adverse pregnancy outcomes, which may be minimized through optimal preconception care and appropriate contraceptive use. This study aimed to describe contraceptive use among women with chronic medical conditions and factors associated with its non-use. METHODS: This study used cross-sectional data from a family planning survey among women with chronic medical conditions conducted in three health facilities in a southern state of Malaysia. A total of 450 married women in reproductive age (18-50 year) with intact uterus, and do not plan to conceive were analysed for contraceptive use. Both univariate and multivariate analysis was conducted to identify factors associated with contraceptive non-use among the study participants. RESULTS: A total of 312 (69.3%) of the study participants did not use contraceptive. Contraceptive non-use was highest among the diabetics (71.2%), connective tissue disease patients (68.6%) and hypertensive patients (65.3%). Only 26.3% of women with heart disease did not use contraceptive. In the multivariate analysis, contraceptive non-use was significantly more common among women who received their medical treatment in the health clinics as compared to those who received treatment in the hospital (adjusted odds ratio [OR]=1.75, 95% confidence interval [CI]: 1.09, 2.79), being in older age group of 41-50 year (adjusted OR=2.31, 95% CI: 1.19, 4.48), having children (adjusted OR=4.57, 95% CI: 1.66, 12.57) and having lower education (adjusted OR=2.87, 95% CI: 1.43, 5.77). CONCLUSION: About two-third of women with chronic medical conditions who needed contraceptive did not use them despite the higher risk of pregnancy related complications. The high unmet need warrant an effective health promotion programme to encourage the uptake of contraceptives especially targeting women of older age group, low education and those who received their medical treatment at health clinics.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».