Burden of and risk factors for sexual violence among women with and without disabilities in two sub-Saharan African countries
Notice bibliographique
Résumé
Background Available data suggest that women with disabilities have an increased risk of sexual violence, but little is known about the situation of those women living in resource-limited settings.Objectives To assess the burden and examine the drivers of sexual violence among women with disabilities.Methods This is a pooled analysis of two population-based surveys conducted in Cameroon and Burundi. Adults with and without disabilities were randomly recruited from the general population. Structured interviews were conducted at both sites to collect data on participants’ functional limitations, life-course history of sexual violence, education, employment, and resources. Only women with disabilities whose impairments started before the age of 10 years (n = 359) and women without disabilities (n = 720) are included in this analysis. The age-adjusted prevalence of violence was computed, and risk factors were assessed using a discrete survival regression and mediation analysis.Results At both sites, the participants with disabilities had a lower education level and had an increased risk of food insecurity. The pooled age-adjusted prevalence of lifetime sexual violence was 19.8% (95%CI:15.3–24.3) among women with disabilities and 11.7% (95%CI:9.3–14.1) among those without disabilities (ORap: 2.0, 95%CI:1.4–2.8). Women with cognitive limitations and those with visual impairments had the highest risk of sexual violence (ORap: 3.5 (95%CI:2.0–6.3) and 2.7 (95%CI:1.4–5.0), respectively). Over the life course, the risk of sexual violence was especially high among women with disabilities who had lived with an intimate partner before the age of 25 years (p < 0.001). Education level mediated approximately one-third of the total association between disability and sexual violence (p = 0.001). There was no evidence of an indirect effect through food insecurity.Conclusion This study provides evidence of the high burden of sexual violence among women with disabilities who live in urban African contexts. The social environment and access to education may be key contributors to this vulnerability.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».