Residential inequalities in health-related quality of life among women of reproductive age in four regions of Ethiopia: a decomposition analysis
Notice bibliographique
Résumé
BACKGROUND: Ethiopian rural-urban disparities in key domains of health-related quality of life among women in reproductive age have been huge. However, sources of such inequalities were not studied well. Therefore, this study aimed to assess inequalities in health-related quality of life among women residing in urban and rural areas in four regions of Ethiopia. METHODS: This study used data extracted from the 2016 Ethiopian Demographic and Health Survey; collected at national level from January 18, 2016, to June 27, 2016. Stratified two stage cluster sampling method were used. The data collected from 2385 women in the age group 15-49 years who were living in four regions (Afar, Benishangul-Gumuz, Gambela, and Somali regions) of Ethiopia were used for this study. The outcome variable, Health-Related Quality of Life (HRQoL), was generated by Principal Component Analysis. Further, Multivariable Ordinary Least Square and Oaxaca decomposition threefold (interaction) were used in the analysis with a p-value less than 0.05 and 95% confidence interval to declare statistical significances. RESULTS: Women education, region, religion, wealth index, and husband/partner education were identified as predictors of Health-Related Quality of Life. Women residing in rural areas had far lower health-related quality of life than those living in urban areas. The wealth index and educational level of women were the largest contributor of the inequality in health-related quality of life. CONCLUSION: A substantial inequality in quality of life exist between women who reside in rural and urban areas in those four regions of Ethiopia. The socioeconomic factors more importantly wealth index and educational attainment explained the significant portion of the reported rural-urban disparities. Therefore, Policymakers and local administrators should pay more attention on interventions that promote education and narrowing gap in wealth in rural and urban settings.
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 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».