Partner alcohol consumption and intimate partner violence among women in Papua New Guinea: a cross-sectional analysis of Demographic and Health Survey
Notice bibliographique
Résumé
OBJECTIVE: We examined the association between partner alcohol consumption and the experience of intimate partner violence among women in Papua New Guinea. DESIGN: We performed a cross-sectional analyses of data extracted from the 2016-2018 Papua New Guinea Demographic and Health Survey. We included 3319 women in sexual unions. Multilevel binary logistic regression analysis was used to examine the association between partner alcohol consumption and intimate partner violence, controlling for the covariates. Results from the regression analysis were presented using the crude odds ratios (cORs) and adjusted odds ratios (aORs), with 95% confidence intervals (CIs). SETTING: Papua New Guinea. PARTICIPANTS: Women aged 15-49 years in sexual unions. OUTCOME MEASURES: Physical, emotional, and sexual violence. RESULTS: The prevalence of physical, emotional and sexual violence among women in sexual unions in Papua New Guinea were 45.9% (42.4 to 47.7), 45.1% (43.4 to 46.8) and 24.3% (22.9 to 25.8), respectively. The level of partner alcohol consumption was 57.3%. Women whose partners consumed alcohol were more likely to experience physical violence (aOR=2.86, 95% CI=2.43 to 3.37), emotional violence (aOR=2.89, 95% CI=2.44 to 3.43) and sexual violence (aOR=2.56, 95% CI=2.08 to 3.16) compared with those whose partners did not consume alcohol. CONCLUSION: This study found a relatively high prevalence of intimate partner violence among women in Papua New Guinea. Most importantly, this study found partner alcohol consumption to be significantly and positively associated with intimate partner violence. The study, therefore, recommends that interventions seeking to reduce intimate partner violence among women in Papua New Guinea should intensify behaviour change and education on reducing or eliminating partner alcohol consumption.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».