Examining Spatial Variability in the Association Between Male Partner Alcohol Misuse and Intimate Partner Violence Against Women in Ghana: A GWR Analysis
Notice bibliographique
Résumé
Globally, it is estimated that about 30% of ever-partnered women have experienced some form of intimate partner violence (IPV)-physical assault, sexual assault, or emotional abuse. The prevalence of IPV in sub-Saharan Africa is considerably higher than the global estimate. In Ghana, it is estimated that 24% of women have experienced physical and/or sexual IPV in their lifetime. Studies point to the association between alcohol misuse by intimate male partners and violence against women. However, there has been no consideration for potential spatial variation or heterogeneity in this association. Using estimates from the 2008 Ghana Demographic and Health Survey Data, we employed geographically weighted regression (GWR) analysis to examine spatial variations in the relationship between male partner's alcohol misuse and IPV among women in Ghana. We fitted three models to assess the relationship using a step-wise approach. The first model has alcohol misuse as the only predictor, whereas the second model included other male partner characteristics, such as post-secondary education and employment status. The final introduced female characteristics as additional covariates. The result of the GWR analysis shows that the effect of alcohol misuse on IPV is elevated in the south-western part of Ghana. The findings suggest the potential influence of place-based or contextual factors on the association between alcohol misuse and women's exposure to IPV.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».