Factors influencing the use of modern contraceptive in Nigeria: a multilevel logistic analysis using linked data from performance monitoring and accountability 2020
Notice bibliographique
Résumé
BACKGROUND: The population of Nigeria is estimated at over 190 million and it is projected to increase by 44% between 2015 and 2030. However, less than one-quarter of women within reproductive age in Nigeria uses modern contraceptive methods despite its importance. Hence, this study aims at examining the influence of individual and community level factors on the use of modern contraceptive method. METHODS: The study is a secondary analysis of linked household and Service Delivery Point datasets from a 2018 survey conducted by Performance, Monitoring and Accountability in Nigeria. Data was abstracted for a total of 9126 sexually active women within the ages of 15-49 years across 295 enumeration areas in seven States. A 2-level binary logistic regression was used to examine the association between study variables and the use of modern contraceptives while adjusting for the clustering effect. RESULTS: There was significant influence of educational level, marital status, parity, socio-economic status, fertility intention, and awareness of family planning methods on the use of modern contraceptives. Also, women who perceived support from someone in the community on family planning were more likely to use modern contraceptive unlike those without such support. Those who believed that contraceptive methods are used by almost all and some of their friends or relatives were more likely to use modern contraceptive compared to those who think otherwise. CONCLUSIONS: The study shows the need to reduce inequalities between FP utilization across women with different socio-economic status as well as increasing the awareness for modern contraceptive methods.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».