Variations in Emotional, Sexual, and Physical Intimate Partner Violence Among Women in Uganda: A Multilevel Analysis
Notice bibliographique
Résumé
Evidence shows that a significant proportion of ever-partnered women suffer some form of intimate partner violence (IPV) perpetuated by male partners. The prevalence of IPV in sub-Saharan African countries is considerably higher than global estimates. Although existing studies show the effect of women's and intimate male partner's characteristics on IPV, knowledge on how these factors increase or reduce women's risk to specific types of IPV is limited. Using the 2016 Ugandan Demographic and Health Survey (UDHS), we examine regional variations in women's and intimate male partner's characteristics and their effect on emotional, sexual, and physical violence perpetuated by men and experienced by women in Uganda. The result shows that women's educational status is a significant predictor of all forms of IPV, whereas other characteristics, such as employment and housing ownership, have differential effects on specific types of IPV. Less educated women were more likely to experience emotional, sexual, and physical violence. Alcohol abuse was a significant determinant of men perpetuating all types of IPV; other male characteristics had differential effects on specific types of IPV. Male partners who abuse alcohol "often" and "sometimes" were more likely to commit acts of emotional, sexual, and physical violence against their female intimate partners. The findings also show that ~5%, ~8%, and ~2% of the variance in emotional, sexual, and physical violence (respectively; in the final models) are attributable to regional differences. The findings suggest the need for interventions aimed at increasing women's access to higher education, working with men and boys to reduce the occurrence of alcohol abuse and address harmful constructions of masculinity, and promoting gender equality among men as well as women.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».