Significant Factors in Using Contraceptives among Married Women in Cagayan de Oro City using Binary Logistic Regression
Notice bibliographique
Résumé
Family planning is a larger concept involving preparation and knowledge around a “family future”. It allows people to attain their desired number of children and determine the spacing of pregnancies, reduces the need for abortion, especially unsafe abortion. On the other hand, contraceptives are the group of methods you use or steps you take to avoid pregnancy before you are ready. Contraceptives, one of the methods of family planning, helps prevent the transmission of other sexually transmitted infections. Moreover, it can help slow down population growth thereby contributing to economic benefits such as poverty reduction. It is also a very helpful way to improve the health of mothers and childrens through birth spacing and avoiding high risk pregnancies. In this study, significant factors in using contraceptives are determined. Based on the results from the conducted survey, three out of ten variables were considered as significant factors namely: desire of having more children, religion, and employment status (having p-values of 0.005, 0.008, and 0.000 respectively). These significant factors were used in formulating the model to predict the probability of using contraceptives among married women. Using Hosmer and Lemeshow Test of goodness-of-fit, the p-value of the model is 0.728. Thus, the model is a good fit. A re-survey was conducted to validate the model and 88% of the married women were correctly classified. Hence, the model will be very useful in predicting the probability of contraceptive use among married 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».