Individual and community-level determinants of knowledge of ovulatory cycle among women of reproductive age in 29 African countries: a multilevel analysis
Notice bibliographique
Résumé
BACKGROUND: Knowledge of the ovulatory cycle (KOC) can help reduce the chances of unwanted pregnancies and may improve a woman's reproductive health. However, little is known about the factors associated with knowledge of the ovulatory cycle across Africa. Therefore, we aimed to investigate the individual/household and community level determinants of KOC among women of childbearing age in 29 African countries. METHODS: We used data from the Demographic and Health Surveys of 29 African countries conducted between 2010 and 2020. Bivariate and multivariate multilevel logistic regressions were used to examine the association between women's correct knowledge of the ovulatory cycle and individual/household and community-level factors. The results were reported using adjusted odds ratios (AOR) with a 95% confidence interval (CI). RESULTS: The pooled results showed that correct KOC among women was 15.5% (95% CI 14.2-17.0%), varying from 11.5% in Liberia to 57.1% in the Democratic Republic of Congo. Regarding regional distribution, the highest prevalence of KOC was observed in West Africa (38.8%) followed by East Africa (21.3%) and was lowest in Southern Africa (15.6%) and Central Africa (15.5%). After adjusting for potential confounders, at the individual level, we found the odds of KOC to be higher among older women (40-44 years-aOR 3.57, 95% CI 1.90-6.67, 45-49 years-aOR 2.49, 95% CI 1.29-4.82), and women with higher educational level (aOR 2.58, 95% CI 1.40-4.75); at the community level, higher KOC was among women exposed to media (aOR 2.24, 95% CI 1.32-3.81). CONCLUSIONS: Knowledge of ovulatory cycle among women of reproductive age was found to be low in the region and varied by country. Women's age and educational level were the individual-level factors associated with increased knowledge of ovulatory cycle while community-level media exposure was found to be associated with increased knowledge of ovulatory cycle in this study. This finding highlights the need for appropriate strategies (possibly use of mass media) to increase knowledge of ovulatory cycle among women of reproductive age, especially among adolescents in Africa.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».