Community Prevalence and Risk Factors for Psychological Abuse in India
Notice bibliographique
Résumé
Violence against women has been recognized by the United Nations as a fundamental violation of women’s human rights. Although there is a good amount of research on physical violence, very little on psychological abuse from Indian researchers. In India too, domestic violence is prevalent in all sections of the community. The objectives of the study are to find the prevalence of psychological abuse in different stratum in India and the risk factors of psychological violence. A cross-sectional study based on 9938 women in rural, urban, and urban non-slum sites across India was conducted in 1998–1999. Logistic regression was done to find the risk factors of psychological violence. Despite the limitations of the 9426 women responded psychological violence, 3306 (35.1%) (95%CI: 23.1, 47.0) reported any psychological abuse in the past 1 year. The women who had lower education, from lower socioeconomic status (SES) and whose mothers-in-law not satisfied with dowry had higher risk for psychological abuse. There was a synergistic effect in psychological abuse if the woman is from low SES and the husband is an alcoholic and the risk is 7.4 times higher as compared to women who did not have both. However, alcoholism had significant independent effect when this was interacted with satisfaction of dowry. We suggest that the families should avoid asking and giving dowries. Besides these, the newly married women should be counseled to handle the conflicts at the family level so that the physical and psychological abuses can be avoided.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| 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 ».