MétaCan
Menu
Retour à la cohorte
Enregistrement W2558346400 · doi:10.1371/journal.pone.0167560

Barriers to Modern Contraceptive Use in Kinshasa, DRC

2016· article· en· W2558346400 sur OpenAlexaboutno aff
Mbadu Muanda, Parfait Gahungu Ndongo, Leah D. Taub, Jane T. Bertrand

Notice bibliographique

RevuePLoS ONE · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensnon disponible
Organismes subventionnairesTulane UniversityBill and Melinda Gates Foundation
Mots-clésMisinformationFamily planningFocus groupSociocultural evolutionMedicinePsychological interventionPopulationQuarter (Canadian coin)Family medicineGerontologyNursingEnvironmental healthPolitical scienceSociologyResearch methodologyGeography

Résumé

récupéré en direct d'OpenAlex

Recent research from Kinshasa, DRC, has shown that only one in five married women uses modern contraception; over one quarter have an unmet need for family planning; and almost 400 health facilities across Kinshasa report that they provide modern contraception. This study addresses the question: with reasonable physical access and relatively high unmet need, why is modern contraceptive prevalence so low? To this end, the research team conducted 6 focus groups of women (non-users of any method, users of traditional methods, and users of modern methods) and 4 of husbands (of users of traditional methods and in non-user unions) in health zones with relatively strong physical access to FP services. Five key barriers emerged from the focus group discussions: fear of side effects (especially sterility), costs of the method, sociocultural norms (especially the dominant position of the male in family decision-making), pressure from family members to avoid modern contraception, and lack of information/misinformation. These findings are very similar to those from 12 other studies of sociocultural barriers to family planning in sub-Saharan Africa. Moreover, they have strong programmatic implications for the training of FP workers to counsel future clients and for the content of behavior change communication interventions.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,238
Score d'incertitude au seuil0,472

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,258
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations80
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetGlobal Maternal and Child HealthTravaux en français237 207