LEVEL OF COMPREHENSIVE KNOWLEDGE ABOUT HIV AND SOCIO DEMOGRAPHIC FACTORS ASSOCIATED WITH IT AMONG MALE AND FEMALE AGE 15-49 YEARS IN ETHIOPIA
Notice bibliographique
Résumé
Background: in Ethiopia Only one-quarter of young women and one-third of young men have a comprehensive knowledge of AIDS. According to recent data from the Ethiopian demographic and health survey (EDHS 2016), national level of Comprehensive knowledge about HIV among men and women age 15-49 years is 27.9 % (n = 7613). This study aims to assess (1) level of Comprehensive knowledge about HIV (2) socio demographic factors associated with it among adults age 15-49 years Methods: Demographic and Health Surveys in 2016, in Ethiopia were analyzed in SPSS, using multivariate logistic regression. Socio demographic variables were selected based on their availability in the dataset. We used Comprehensive knowledge about HIV as the outcome variable using the recommended definition by EDHS 2016 Ethiopia Descriptive statistics were employed to show the distribution of socio-demographic characteristics Results: Of the total sample of 27289 of men and women 15-49 years at the time of survey, 27.9 % (n = 7613) have comprehensive knowledge about HIV About 79.8 % of the variation in the outcome variable (comprehensive knowledge about HIV t) is explained by the independent variables included in model Men and women in the 15-19 age group AOR 15.287 (95% CI 9.430- 24.780) and Men and women age 15-49 years in urban areas (AOR 29.337 ; 95% CI: 18.093-47.569) were found to be major contributing factors with level of comprehensive knowledge about HIV Conclusions Factors associated with comprehensive knowledge on HIV include: age and residence Programs designed should target older age groups and Education about HIV/AIDS in rural areas, in particular needs to be improved Messages using radios will increase comprehensive knowledge.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».