Interpersonal violence among in-school adolescents in sub-Saharan Africa: Assessing the prevalence and predictors from the Global School-based health survey
Notice bibliographique
Résumé
Interpersonal violence in adolescents has over the years grown into a serious public health problem that merits a robust intervention. This study, therefore, assessed the prevalence and predictors of interpersonal violence among in-school adolescents in sub-Saharan Africa (SSA). The study involved a cross-sectional analysis of data from the Global School-based Health Survey conducted between 2012 and 2017 from eight sub-Saharan African countries. A total of 14,967 in-school adolescents aged 10-19 years were included in the pooled analysis. A multivariable binomial logistic regression was used to determine the predictors of interpersonal violence using the adjusted odds ratio (aOR) with their respective 95% confidence intervals (CIs). The overall prevalence of interpersonal violence among in-school adolescents in SSA was 53.7%. The odds of interpersonal violence were higher among adolescents who were bullied (aOR = 2.52, 95% CI = 2.23-2.85), had an injury (aOR = 2.42, 95% CI = 2.15-2.72), had suicidal attempts (aOR = 1.40, 95% CI = 1.16-1.70), were truant (aOR = 1.51, 95% CI = 1.33-1.72), used alcohol (aOR = 1.49, 95% CI = 1.06-2.11), and used tobacco (aOR = 1.46, 95% CI = 1.23-1.74). In-school adolescents with peer support, parents or guardians bonding, those whose parents or guardians respected their privacy, and those aged 15 years or older were less likely to experience interpersonal violence. These factors provide education directors and school heads/teachers with relevant information to guide the design of specific interventions such as parent-teacher meetings and programs, peer educator network system, face-to-face counseling sessions, Rational Emotive Behavioural Education (REBE) and substance use cessation therapy to prevent interpersonal violence, particularly physical fights and attacks in school settings. Also, students should be sensitized on the negative effects of interpersonal violence and those who have been exposed to it should be counselled. School rules should be strengthened and appropriate punishment given to students who engage in violence baheviours in schools in order to deter others from engaging in them.
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) | 0,000 | 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 | 0,000 |
| 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 ».