Prevalence and factors associated with family planning during COVID-19 pandemic in Bangladesh: A cross-sectional study
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: The COVID-19 pandemic has negatively impacted health systems worldwide, including in Bangladesh, limiting access to family planning information (FP) and services. Unfortunately, the evidence on the factors linked to such disruption is limited, and no study has addressed the link among Bangladeshis. This study aimed to examine the socioeconomic, demographic, and other critical factors linked to the use of FP in the studied areas during the COVID-19 pandemic. METHODS: The characteristics of the respondents were assessed using a cross-sectional questionnaire survey and descriptive statistics. The variables that were substantially linked with FP usage were identified using a Chi-square test. In addition, a multivariate logistic regression model was used to identify the parameters linked to FP in the study areas during the COVID-19 pandemic. RESULTS: The prevalence of FP use among currently married 15-49 years aged women was 36.03% suggesting a 23% (approximately) decrease compared to before pandemic data. Results also showed that 24.42% of the respondents were using oral contraceptive pills (OCP) which is lower than before pandemic data (61.7%). Multivariate regression analysis provided broader insight into the factors affecting FP use. Results showed that woman's age, education level of the respondents, working status of the household head, locality, reading a newspaper, FP workers' advice, currently using OCP, ever used OCP, husbands' supportive attitude towards OCP use, duration of the marriage, ever pregnant, the number of children and dead child were significantly associated with FP use in the study areas during COVID-19 pandemic. CONCLUSIONS: This study discusses unobserved factors that contributed to a reduction in FP use and identifies impediments to FP use in Bangladesh during the COVID-19 epidemic. This research further adds to our understanding of FP usage by revealing the scope of the COVID-19 pandemic's impact on FP use in Bangladesh's rural and urban areas.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».