Underlying the Factors of Unmet Need for Family Planning in Indonesia: A Spatial Analysis
Notice bibliographique
Résumé
Unmet need for family planning remains a challenge in Indonesia. The Government has incorporated into the 2020-2024 National Medium-term Development Plan, an ambitious target to reduce unmet need from 12,4% in 2018 to 7.4% in 2024. This will require significant effort, while systematic and updated studies explaining the underlying causes are scarce, especially those that look at the level within the diverse characteristics of Indonesia. This study therefore aimed to investigate the fundamental factors contributing to unmet need for family planning, categorized into five dimensions (D): D.1). weak or ambivalent fertility preferences; D.2). generic disapproval of pregnancy prevention; D.3). method-specific barriers to use; D.4). perceived low risk of getting pregnant; and D.5). partner-related factors. This study also mapped the pattern at the sub-national level namely Java-Bali (region 1/R1), outside Java–Bali 1 (region 2/R2) and outside Java-Bali 2 (region 3/R3). Findings show that the level of unmet need is highest in R3 which consists of provinces that started implementing their family planning program much later than provinces in the other two regions. The study also shows that women between 20-29 years old, with educated husband and larger family size, who consider smaller family size as ideal, are more likely to have unmet need compared to their counterparts in all regions. The likelihood of unmet need is most prominent in the region with the most mature program. The study emphasizes the importance of designing appropriate targeted interventions that are tailored to the local context and not apply a ‘one-size-fits-all’ policy.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».