Predictors of Female Genital Mutilation or Cutting Among Daughters of Women in Guinea, West Africa
Notice bibliographique
Résumé
Background and Objective: In some African countries like Guinea, female genital mutilation/cutting (FGM/C) has been considered as an essential social norm in ensuring girls’ and women’s virginity by reducing their sexual desires. This study aimed at examining the factors associated with FGM/C among daughters of women aged 15-49 in Guinea. Methods: Using the 2018 Guinea Demographic and Health Survey, we analyzed data on 10,721 women of reproductive age (15-49 years) who had at least one daughter. A two-level multi-level logistic regression analysis was fitted and the random and fixed effects together with their corresponding 95% credible intervals (95% CrIs) were presented. Results: Women of all age categories had higher odds of having circumcised daughters with the substantially highest odds among those aged 35-39 (aOR=26.10, CrI=11.22-53.94) compared to those aged 15-19. “FGM/C was higher among daughters of circumcised mothers (aOR=5.50, CrI=3.11-9.72), compared to those who were not circumcise. Compared to Muslims, women who were either animists or had no religion were more likely to circumcise their daughters (aOR=2.13, CrI=1.12-4.05). Conversely, women with secondary/higher education, whose partners had secondary/higher education, Christians, women of richest wealth index and those who lived in the Faranah and N’zerekore regions were less likely to circumcise their daughters. Conclusion and Implications for Translation: The current study revealed that individual and contextual factors are associated with FGM/C among daughters of women aged 15-49 in Guinea. The findings imply that eliminating FGM/C in Guinea requires multifaceted interventions such as advocacy and educational strategies like focus group discussions, peer teaching, mentor-mentee programs in regions noted with the FGM/C practice. This will help achieve the Sustainable Development Goal 5.3 which focuses on eliminating all harmful practices, such as child, early and forced marriage and female genital mutilation by 2030. Copyright © 2021 Ahinkorah. et al. Published by Global Health and Education Projects, Inc. This is an open-access article distributed under the terms of the Creative Commons Attribution License CC BY 4.0.
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 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».