Intimate partner violence among women in Spain: the impact of regional-level male unemployment and income inequality
Notice bibliographique
Résumé
BACKGROUND: Intimate partner violence (IPV) against women is a complex worldwide public health problem. There is scarce research on the independent effect on IPV exerted by structural factors such as labour and economic policies, economic inequalities and gender inequality. OBJECTIVE: To analyse the association, in Spain, between contextual variables of regional unemployment and income inequality and individual women's likelihood of IPV, independently of the women's characteristics. METHOD: We conducted multilevel logistic regression to analyse cross-sectional data from the 2011 Spanish Macrosurvey of Gender-based Violence which included 7898 adult women. The first level of analyses was the individual women' characteristics and the second level was the region of residence. RESULTS: Of the survey participants, 12.2% reported lifetime IPV. The region of residence accounted for 3.5% of the total variability in IPV prevalence. We determined a direct association between regional male long-term unemployment and IPV likelihood (P = 0.007) and between the Gini Index for the regional income inequality and IPV likelihood (P < 0.001). Women residing in a region with higher gender-based income discrimination are at a lower likelihood of IPV than those residing in a region with low gender-based income discrimination (odds ratio = 0.64, 95% confidence intervals: 0.55-0.75). CONCLUSIONS: Growing regional unemployment rates and income inequalities increase women's likelihood of IPV. In times of economic downturn, like the current one in Spain, this association may translate into an increase in women's vulnerability to IPV.
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 | 0,050 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».