Barriers to Managing Fertility: Findings From the Understanding Fertility Management in Contemporary Australia Facebook Discussion Group
Notice bibliographique
Résumé
BACKGROUND: As part of research investigating the complexities of managing fertility in Australia, public opinions about how Australians manage their fertility were sought from women and men. OBJECTIVE: To identify public opinion about sexual and reproductive health in Australia. METHODS: To ensure access to a diverse group of people throughout Australia, an online group was advertised and convened on Facebook from October through December 2013. In a closed-group moderated discussion, participants responded to questions about how people in Australia attempt to manage three aspects of fertility: avoiding pregnancy, achieving pregnancy, and difficulties conceiving. Nonidentifiable demographic information was sought; no personal accounts of fertility management were requested. The discussion transcript was analyzed thematically. RESULTS: There were 61 female and 2 male Facebook users aged 18 to 50 years living in Australia participating in the study. Four main themes about fertility management were identified: access, geographical location, knowledge, and cost. Participants reported that young people and people from rural areas face barriers accessing contraception and fertility services. Limited knowledge about sex and reproduction and the cost of fertility services and contraception were also said to impede effective fertility management. CONCLUSIONS: Reasons for inequalities in effective fertility management that are amenable to change were identified. Facebook is an effective method for gaining insights into public opinion about sexual and reproductive health.
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 | 0,020 | 0,041 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».