Intersectional community correlates of married women’s experiences of male intimate partner physical violence in Bangladesh: a cross-sectional study
Notice bibliographique
Résumé
Background In Bangladesh, little is known about community-level factors shaping married women’s experiences of male intimate partner physical violence (MIPPV); it is also unknown if these factors interact with each other. We examined the (1) association between four residential community characteristics defined by the attributes of ever married women in those communities–younger age, lower education, higher participation in earning an income and poverty; and (2) two-way interactions between these community-level MIPPV correlates. Methods We used a cross-sectional sample comprising 14 557 currently married women who were living with their spouses from 911 Bangladeshi communities. Data were collected during 13–22 August 2015. Conflict Tactics Scale-2 measured the outcome–women’s current MIPPV experiences; and multilevel logistic regression models predicted this outcome. Results Four community characteristics including higher proportions of women’s earning an income and achieving higher education were not associated with their increased likelihood of experiencing MIPPV. However, women living inhigher earning participation, higher educatedcommunities were significantly more likely to experience MIPPV than those inlower earning participation, higher educatedcommunities (predicted probability, p=0.30, 95% CI 0.26 to 0.34 vs p=0.24, 95% CI 0.22 to 0.25). Conclusion This is the first study to examine interactions between women’s community-level MIPPV correlates in Bangladesh. Although we did not find support for the relationship between women’s most intersectional community-level locations and MIPPV, we did find a currently invisible vulnerable intersectional location:higher earning participation, higher educatedcommunities. Bangladeshi violence against women prevention policies and programmes, therefore, need to engage with these particular communities to tackle head on male responses to these locations to reduce MIPPV.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».