Intimate partner violence against ever-married women and its association with substance use in Ethiopia: A multilevel and spatial analysis from 2016 EDHS
Notice bibliographique
Résumé
Abstract Background Intimate partner violence (IPV) is one of the most common forms of violence against women and includes physical, sexual, and emotional abuse. The most common IPV victims are women whose partners were financially insecure, uneducated, or substance users. Substance use has been related to an increase in the frequency and severity of IPV. Thus, we aimed to assess the prevalence of intimate partner violence, its spatial distribution, and its association with substance use among women who had ever-married in Ethiopia using the 2016 Ethiopian Demographic and Health Survey (EDHS) data. Methods Data from the 2016 EDHS was used and a total of 4962 ever-married women were involved in the analysis. The spatial autocorrelation statistic (Global Moran's I) was used to determine whether IPV and substance use were dispersed, clustered, or randomly distributed. The statistical software Sat Scan version 10.1 was used to identify the clusters with high IPV rates. A multi-level logistic regression model was used to examine the association of IPV with substance use, and statistical significance was declared at a p-value of less than 0.05 and 95% CI. Results Of all ever-married women, 33.2% (95% CI: 31.9, 34.6%) were currently experiencing at least one of the three types of IPV (physical, sexual, and emotional). The highest hotspot areas of IPV were observed in the Gambella and Oromia regions. The ever-married women whose husbands drink alcohol (AOR = 3.34; 95% CI: 2.70, 4.15), chew chat (AOR = 1.60; 95% CI: 1.22, 2.08), and smoke cigarettes (AOR = 1.95; 95% CI: 1.01, 3.79) were significantly associated with IPV. Conclusion One in every three ever-married women in this study experienced IPV. Following adjustment for potential confounders, at least one of the three substance uses (alcohol, chat and cigarette) was identified as a significant predictor of IPV. A concerted effort is required to reduce both substance abuse and IPV.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».