Sociodemographic Determinants of Adolescent Childbirths in Ghana: Results from a nationwide survey
Notice bibliographique
Résumé
Abstract Objective: To investigate the sociodemographic determinants of adolescent childbearing in Ghana. Methods: This research studied reproductive-aged women who were systematically sampled in Ghana. Kaplan Meier and Cox proportional hazard regression with shared frailty were fitted on a nationwide population-based data from the 2014 Ghana Demographic and Health Survey (GDHS) to predict adolescent childbirth. Results: The analysis revealed that approximately 49% initiated childbirth during adolescence. This study found higher adolescent childbirth rates among women who were not working (adjusted hazard ratio (AHR) =1.17; 95% confidence interval (CI) = 1.07 to 1.29) and resided in rural areas (AHR =1.22; 95% CI = 1.09 to 1.37). In addition, poor women (AHR= 1.71; 95% CI = 1.49 to 1.95) and middle-class women (AHR=1.67; 95% CI = 1.48 to 1.88) had a higher likelihood of having adolescent birth compared to the rich. Lastly, secondary and higher educated women were 0.74 (95% CI= 0.67 to 0.82) and 0.10 (95% CI= 0.06 to 0.16) times less likely to have adolescent birth, respectively. Conclusions: This research revealed that adolescent childbearing was greatly influenced by socioeconomically disadvantaged background within the contexts of the women and the community in which they reside. This finding suggests the need to initiate and improve interventions that seek to reduce poverty among women and to promote and encourage adolescent girls to pursue secondary and higher education to help reduce unintended adolescent childbirths. Finally, adolescent girls should be empowered through counseling and education on reproductive and sexual health options and rights to ensure more informed decision-making about contraception.
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 | 0,021 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,010 |
| 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 ».