Prevalence and determinants of menstrual regulation among ever-married women in Bangladesh: evidence from a national survey
Notice bibliographique
Résumé
BACKGROUND: Despite the remarkable reduction of maternal mortality, unsafe and untimely menstrual regulation (MR) remains a major maternal health problem in Bangladesh. This study aimed to determine the prevalence and identify determinants of MR among ever-married women in Bangladesh. METHODS: Data for this study have been extracted from Bangladesh Demographic and Health Survey (BDHS) 2014. The survey followed a two-stage stratified sampling procedure and the study used a sub-sample of 8084 ever-married women aged 15 to 49 years extracted from survey sample of 17,863. Univariate and multivariate mixed-effect logistic regression analyses were used to identify risk factors for MR accounting for potential between-clusters variations. RESULTS: The weighted prevalence of MR was 12.3% (95% CI: 11.1-13.4%) among (991/8084) ever-married women. Women were less likely to have MR if they were from Chittagong (AOR 0.74, 95% CI: 0.57-0.96; p = 0.026) and Sylhet (AOR 0.53, 95% CI: 0.36-0.77; p = 0.001) divisions. Women were more likely to have MR if they were from high (AOR 1.47, 95% CI: 1.18-1.83; p = 0.001) and the highest (AOR 1.62, 95% CI: 1.27-2.05; p < 0.001) socioeconomic status (SES) group; being employed (AOR 1.35, 95% CI: 1.16-1.56; p < 0.001), having one or two children (AOR 1.73, 95% CI: 1.24-2.40: p = 0.001) and ≥ 3 children (AOR 2.56, 95% CI: 1.82-3.58; p < 0.001), and having membership of non-government organization (NGO) (AOR 1.18, 95% CI: 1.02-1.38; p = 0.030). CONCLUSION: MR is prevalent among Bangladeshi women and independently associated with geographic location, SES, parity, employment and NGO membership status. Health policy should prioritize in reducing spatial and socioeconomic inequalities in relation to MR services by ensuring accessibility and availability of MR services, especially in suburban divisions. Furthermore, abortion should be legalized in Bangladesh that will ultimately reduce the morbidity and mortality associated with unsafe abortion.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».