Inequality in fertility rate among adolescents: evidence from Timor-Leste demographic and health surveys 2009–2016
Notice bibliographique
Résumé
BACKGROUND: Despite a decline in global adolescent birth rate, many countries in South East Asia still experience a slower pace decline in adolescent birth rates. Timor-Leste is one of the countries in the region with the highest adolescent birth rate and huge disparities between socio-economic subgroups. Hence, this study assessed the magnitude and trends in adolescent fertility rates within different socio-demographic subgroups in Timor-Leste. METHODS: Using the World Health Organization's (WHO) Health Equity Assessment Toolkit (HEAT) software, data from the Timor-Leste Demographic and Health surveys (TLDHS) were analyzed between 2009 and 2016. We approached the inequality analysis in two steps. First, we disaggregated adolescent fertility rates by four equity stratifiers: wealth index, education, residence and region. Second, we measured the inequality through summary measures, namely Difference, Population Attributable Risk, Ratio and Population Attributable Fraction. A 95% confidence interval was constructed for point estimates to measure statistical significance. RESULTS: We found large socio-economic and area-based inequalities over the last 7 years. Adolescent girls who were poor (Population Attributable Fraction: -54.87, 95% CI; - 57.73, - 52.02; Population Attributable Risk: -24.25, 95% CI; - 25.51, - 22.99), uneducated (Difference: 58.69, 95% CI; 31.19, 86.18; Population Attributable Fraction: -25.83, 95% CI; - 26.93, - 24.74), from rural areas (Ratio: 2.76, 95% CI; 1.91, 3.60; Population Attributable Risk: -23.10, 95% CI; - 24.12, - 22.09) and from the Oecussi region (Population Attributable Fraction: -53.37, 95% CI; - 56.07, - 50.67; Difference: 60.49, 95% CI; 29.57, 91.41) had higher chance of having more births than those who were rich, educated, urban residents and from the Dili region, respectively. CONCLUSIONS: This study identified disproportionately higher burden of teenage birth among disadvantaged adolescents who are, poor, uneducated, rural residents and those living in regions such as Oecussi, Liquica and Manufahi, respectively. Policymakers should work to prevent child marriage and early fertility to ensure continuous education, reproductive health care and livelihood opportunities for adolescent girls. Specialized interventions should also be drawn to the subpopulation that had disproportionately higher adolescent childbirth.
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 | 0,004 | 0,001 |
| 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 ».