Risk factors for intimate partner violence in women in the Rakai Community Cohort Study, Uganda, from 2000 to 2009
Notice bibliographique
Résumé
BACKGROUND: Intimate partner violence (IPV) is a significant public health problem. There is a lack of data on IPV risk factors from longitudinal studies and from low and middle income countries. Identifying risk factors is needed to inform the design of appropriate IPV interventions. METHODS: Data were from the Rakai Community Cohort Study annual surveys between 2000 and 2009. Female participants who had at least one sexual partner during this period and had data on IPV over the study period were included in analyses (N = 15081). Factors from childhood and early adulthood as well as contemporary factors were considered in separate models. Logistic regression was used to assess early risk factors for IPV during the study period. Longitudinal data analysis was used to assess contemporary risk factors in the past year for IPV in the current year, using a population-averaged multivariable logistic regression model. RESULTS: Risk factors for IPV from childhood and early adulthood included sexual abuse in childhood or adolescence, earlier age at first sex, lower levels of education, and forced first sex. Contemporary risk factors included younger age, being married, relationships of shorter duration, having a partner who is the same age or younger, alcohol use before sex by women and by their partners, and thinking that violence is acceptable. HIV infection and pregnancy were not associated with an increased odds of IPV. CONCLUSIONS: Using longitudinal data, this study identified a number of risk factors for IPV. These findings are useful for the development of prevention strategies to prevent and mitigate IPV in women.
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 | 0,014 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».