Determinants of Modern Contraceptive Use among Young Married Women (Age 15-24) in Indonesia
Notice bibliographique
Résumé
Younger maternal age increases maternal and neonatal risks, while the use of contraceptives among young married women is noticeably lower compared to older women. Contraceptive use can reduce the risk of reproductive health problems among young women. This study aimed to assess the determinants of modern contraceptive use among young married women aged 15-24 in Indonesia. The study utilized data of the 2019 Indonesian Population, Family Planning and Family Development Program Performance and Accountability Survey. The analysis was restricted to 3,927 young married women who were not pregnant during the survey, as they were likely to report either doing something or not postponing or delaying pregnancy. Logistic regression analyses were performed to predict factors influencing modern contraceptive use among young married women. Findings indicate that all demographic factors (age, residence, and region) and education were associated with modern contraceptive use. The number of living children and desire to have children revealed significant variability in modern contraceptive use among young married women. Other important factors in explaining contraceptive use were family planning program exposure factors such as knowledge of the contraceptive method and discussed family planning with health worker. The study underlines the importance of intervention programs aimed at increasing modern contraceptive information targeting adolescents who are older, residen in urban area, live in islands other than Java-Bali, have higher education; and encouraging provider-clients’ family planning interpersonal communication.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».