MétaCan
Menu
Retour à la cohorte
Enregistrement W2897310223 · doi:10.1177/1090198118806970

Does Economic Abuse Affect the Health Outcomes of Women in Ghana?

2018· article· en· W2897310223 sur OpenAlexafffund
Eric Y. Tenkorang, Adobea Yaa Owusu

Notice bibliographique

RevueHealth Education & Behavior · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaMemorial University of NewfoundlandUniversity of Ghana
Mots-clésPsychosocialAffect (linguistics)Environmental healthMedicineDomestic violencePovertySuicide preventionPsychologyPoison controlGerontologyPsychiatryEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

Although academically underexplored, economic abuse is common in most societies. Using data collected from 2,289 ever-married Ghanaian women, this study employed regression techniques to examine dimensions of economic abuse (employment sabotage, economic exploitation, and economic deprivation) on the cardiovascular, psychosocial, and overall general health of respondents. Results showed respondents with experiences of economic sabotage had poor psychosocial health. Meanwhile, compared with those with no such experiences, respondents with experiences of economic exploitation not only reported poor psychosocial health but were also more likely to live with cardiovascular diseases. Women with experiences of economic deprivation reported poor psychosocial health, were more likely to live with cardiovascular diseases, and more likely to report poor or good than very good health. Our findings suggest the need to screen for economic abuse as a correlate of poor health among women in Ghana.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,044
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

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

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 Opus0,068
Tête enseignante GPT0,478
Écart entre enseignants0,410 · 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 tête enseignante, 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

Citations25
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Education & BehaviorMême sujetEmployment and Welfare StudiesTravaux en français237 207