The prevalence and variations in unintended pregnancy by socio-demographic and health-related factors in a population-based cohort of young Australian women
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study is to estimate the prevalence of unintended pregnancy and associated socio-demographic and health-related factors among a national cohort of young Australian women. METHODS: Secondary analysis of three waves (2013-2015) of the Australian Longitudinal Study on Women's Health new young cohort. Women born between 1989 and 1995 were recruited through internet and traditional media, and peer referral. Respondents completed a baseline web-based survey in 2013 (n=17,010) on their health and healthcare use and were followed up annually. This analysis uses data from women reporting ever having vaginal sex in waves 2 (n=9,726/11,344) and 3 (n=6,848/8,961). We assessed correlates of lifetime and recent unintended pregnancy using multivariable regression models. RESULTS: At wave 2, among women aged 19-24, lifetime prevalence of unintended pregnancy was 12.6%, rising to 81.0% among ever pregnant women. Pregnancy outcomes among women with a history of unintended pregnancy differed by geographical residence. Disparities in odds of unintended pregnancy were seen by relationship and educational status, contraceptive use, sexual coercion and risky alcohol use. CONCLUSIONS: Unintended pregnancy among young Australians is disproportionally experienced by women with structural disadvantages and exposure to sexual coercion. PUBLIC HEALTH IMPLICATIONS: Service improvements to achieve equitable distribution of contraception and abortion services must be integrated with initiatives responding to sexual coercion.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».