Understanding the factors associated with married women’s attitudes towards wife-beating in sub-Saharan Africa
Notice bibliographique
Résumé
BACKGROUND: Intimate partner violence remains a major public health problem, especially in countries in sub-Saharan Africa. We examined the factors associated with married women's attitudes towards wife-beating in sub-Saharan Africa. METHODS: We used Demographic and Health Survey data of 28 sub-Saharan African countries that had surveys conducted between 2010 and 2019. A sample of 253,782 married women was considered for the analysis. Bivariate and multivariate logistic regression analyses were carried out, and the results were presented using crude odds ratio (cOR) and adjusted odds ratio (aOR) at 95% confidence interval. RESULTS: The pooled result showed about 71.4% of married women in the 28 countries in this study did not justify wife-beating. However, the prevalence of non-justification of wife-beating varied from 83.4% in Malawi to 17.7% in Mali. Women's age (40-44 years-aOR = 1.61, 95% CI 1.16-2.24), women's educational level (secondary school-aOR = 1.47, 95% CI 1.13-1.91), husband's educational level (higher-aOR = 0.55, 95% CI 0.31-0.95), women's occupation type (professional, technical or managerial-aOR = 1.66, 95% CI 1.06-2.62), wealth index (richest-aOR = 5.52, 95% CI 3.46-8.80) and women's decision-making power (yes-aOR = 1.39, 95% CI 1.19-1.62) were significantly associated with attitude towards wife-beating. CONCLUSION: Overall, less than three-fourth of married women in the 28 sub-Saharan African countries disagreed with wife-beating but marked differences were observed across socio-economic, decision making and women empowerment factors. Enhancing women's socioeconomic status, decision making power, and creating employment opportunities for women should be considered to increase women's intolerance of wife-beating practices, especially among countries with low prevalence rates such as Mali.
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 | 0,005 | 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 | 0,003 | 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 ».