Modern contraceptive utilization and its associated factors among married women in Senegal: a multilevel analysis
Notice bibliographique
Résumé
BACKGROUND: Utilization of modern contraceptives is still low in low-and middle-income countries, although fertility and population growth rates are high. In Senegal, modern contraceptive utilization is low, with few studies focusing on its associated factors. This study examined modern contraceptive use and its associated factors among married women in Senegal. METHODS: Data from the 2017 Continuous Demographic and Health Survey (C-DHS) on 11,394 married women was analysed. We examined the associations between the demographic and socioeconomic characteristics of women and their partners and modern contraceptive use using multilevel logistic regression models. Adjusted odds ratios with 95% confidence intervals (CI) were estimated. RESULTS: The utilization of modern contraceptives among married women was 26.3%. Individual level factors associated with modern contraceptive use were women's age (45-49 years-aOR = 0.44, 0.30-0.63), women's educational level (higher-aOR = 1.88, 1.28-2.76) husband's educational level (higher-aOR = 1.43, 1.10-1.85)), number of living children (5 or more children-aOR = 33.14, 19.20-57.22), ideal number of children (2 children-aOR = 1.95, 1.13-3.35), desire to have more children (wants no more-aOR = 2.46, 2.06-2.94), ethnicity (Diola-aOR = 0.70, 0.50-0.99), media exposure (yes-aOR = 1.44, 1.16-1.79)), wealth index (richer-aOR = 1.31, 1.03-1.67) and decision making power of women (decision making two-aOR = 1.20, 1.02-1.41). Whereas, region (Matam-aOR = 0.35, 0.23-0.53), place of residence (rural-aOR = 0.76, 0.63-0.93), community literacy level (high-aOR = 1.31, 1.01-1.71) and community knowledge level of modern contraceptives (high-aOR = 1.37, 1.13-1.67) were found as significant community level factors. CONCLUSIONS: The findings indicate that both individual and community level factors are significantly associated with modern contraceptive use among married women in Senegal. Interventions should focus on enhancing literacy levels of women, their husbands and communities. Furthermore, strengthening awareness and attitude towards family planning should be given priority, especially in rural areas and regions with low resources.
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 | 0,001 |
| 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 ».