Trends and correlates of low HIV knowledge among ever-married women of reproductive age: Evidence from cross-sectional Bangladesh Demographic and Health Survey 1996–2014
Notice bibliographique
Résumé
BACKGROUND: The human immunodeficiency virus (HIV) burden has frequently been changing over time due to epidemiological and demographic transitions. To safeguard people, particularly women of reproductive age, who can be exposed to transmitting this burden to the next generation, knowledge regarding this life-threatening virus needs to be increased. This research intends to identify the trends and associated correlates of "low" HIV knowledge among ever-married women of reproductive age in Bangladesh from 1996 to 2014. METHODS: We analyzed data derived from six surveys of Bangladesh Demographic and Health Surveys conducted in 1996, 1999, 2004, 2007, 2011, and 2014. Analyses were primarily restricted to ever-married women aged 15-49 years who had ever heard of HIV. The correlates of "low" HIV knowledge were investigated using multiple binary logistic regression models. RESULTS: The study found that the proportion of women with "low" HIV knowledge decreased from 72% in 1996 to 58% in 2014. In adjusted models, age at first marriage, level of education, wealth quintile, and place of residence (except in the survey year 2011) were found to be potential correlates of "low" HIV knowledge in all survey years. In the pooled analysis, we found lower odds of "low" HIV knowledge in the survey years 1999 (Adjusted Odds Ratio: 0.67; 95% CI: 0.57, 0.78), 2004 (AOR: 0.60; 95% CI: 0.52, 0.70), 2007 (AOR: 0.51; 95% CI: 0.44, 0.60), 2011 (AOR: 0.36; 95% CI: 0.32, 0.42) and 2014 (AOR: 0.47; 95% CI: 0.41, 0.54) compared to the survey year 1996. CONCLUSION: The proportion of "low" HIV knowledge has declined over time, although the proportion of women with "low" HIV knowledge still remains high. The prevention of early marriage, the inclusion of HIV-related topics in the curricula, reduction of disparities between urban-rural and the poorest-richest groups may help to improve the level of HIV knowledge among ever-married Bangladeshi women.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».