Contraceptive use pattern based on the number and composition of children among married women in sub-Saharan Africa: a multilevel analysis
Notice bibliographique
Résumé
BACKGROUND: The relationship between composition of children and contraception use has received limited scholarly attention in sub-Saharan Africa. In this study, we examined the relationship between contraceptive methods, the number and composition of children in SSA. METHODS: Data on 21 countries in sub-Saharan Africa (SSA) countries that had a Demographic and Health Survey on or before 2015 were analysed. We applied a multilevel multinomial logistic regression model to assess the influence of family composition on contraceptive use. Adjusted relative risk ratio (aRRR) and 95% CI were estimated. The significant level was set at p < 0.05. All the analyses were conducted using weighted data. RESULTS: Women who had one son and two daughters (aRRR = 0.85, CI = 0.75, 0.95), two sons and one daughter (aRRR = 0.81 CI = 0.72, 0.92), one son and three daughters (aRRR = 0.66, CI = 0.54, 0.80), two sons and two daughters (aRRR = 0.59, CI = 0.50, 0.69), and three or more sons (aRRR = 0.75, CI = 0.63, 0.91) were less likely to use temporary modern contraceptive methods. Those with two sons and two daughters were less likely to use traditional methods (aRRR = 0.52, CI = 0.35, 0.78). Women in the older age group (35-49 years) were less likely to use temporary modern methods (aRRR = 0.60; 95%CI; 0.57, 0.63). However, this group of women were more likely to use permanent (sterilization) (aRRR = 1.71; 95%CI; 1.50, 1.91) and traditional methods (aRRR = 1.28; 95%CI; 1.14, 1.43). CONCLUSION: These findings suggest that contraception needs of women vary based on the composition of their children, hence a common approach or intervention will not fit. As a result, contraception interventions ought to be streamlined to meet the needs of different categories of women. The findings can inform policymakers and public health professionals in developing effective strategies to improve contraceptive use in SSA.
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) | 0,001 | 0,002 |
| 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 ».