The Role of Individual, Community and Societal Gender Inequality in Forming Women's Attitudes toward Intimate-Partner Violence against Women: A Multilevel Analysis
Notice bibliographique
Résumé
BACKGROUND: Establishing risk factors for intimate partner violence against women (IPVAW) is crucial for addressing women's health and development. Acceptance of IPVAW has been suggested as one of the strongest predictors of IPVAWs. The aim of this study was to examine the independent contributions of individual, community, and societal measures of gender inequality in forming women's attitudes toward IPVAW. METHODS: We applied multivariable multilevel logistic regression analysis to Demographic and Health Survey data for 120,467 women nested within 7463 communities from 17 countries in sub-Saharan Africa. RESULTS: We found that women whose husband had higher education (odds ratio [OR] =1.06; 95% confidence interval [CI] 1.02 to 1.10) and women whose husband had more than one wife (OR=1.14; 95% CI 1.09 to 1.19) were more likely to accept IPVAW than other women. Unemployed women with an unemployed partner were more likely to justify IPVAW than employed women with working partners (OR=1.32; 95% CI 1.08 to 1.61). Both community and societal measures of gender inequality were associated with women's attitudes toward IPVAW, even after controlling for gender inequality at the individual level. There was evidence of clustering of women's attitudes within communities and within countries. CONCLUSION: We provide evidence that community and societal forms of gender inequality influence women's attitudes toward IPVAW beyond individual factors. Choices women make are important, but community and society also impose restraints on women's attitudes toward IPVAW. Thus, policies and programs aimed at reducing or eliminating IPVAW must address people, the communities and societies in which they live in order to be successful.
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 | 0,007 | 0,000 |
| 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 | 0,000 | 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 ».