Prevalence of girl and boy child marriage across states and Union Territories in India, 1993–2021: a repeated cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: India's success in eliminating child marriage is crucial to the achievement of the Sustainable Development Goal target 5.3. We aimed to estimate the prevalence of child marriage in girls and boys in India and describe its change across 36 states and Union Territories between 1993 and 2021. METHODS: For this cross-sectional study, data from five National Family Health Surveys from 1993, 1999, 2006, 2016, and 2021 were used. The study included 310 721 women aged 20-24 years between 1993 and 2021 and 43 436 men aged 20-24 years between 2006 and 2021. Child marriage was defined as marriage in individuals younger than 18 years for men and women. We calculated the annual change in prevalence during the study period for states and Union Territories and estimated the population headcount of child brides and grooms. FINDINGS: Child marriage declined during 1993 to 2021. The all-India prevalence of child marriage in girls declined from 49·4% (95% CI 48·1-50·8) in 1993 to 22·3% (21·9-22·7) in 2021. Child marriage in boys declined from 7·1% (6·9-30·8) in 2006 to 2·2% (1·8-2·7) in 2021. The largest decreases in child marriage occurred between 2006 and 2016. Between 2016 and 2021, a few states and Union Territories saw an increase in prevalence of child marriage in girls (n=6) and boys (n=8) despite declines in the all-India prevalence. In 2021, 13 464 450 women aged 20-24 years and 1 454 894 men aged 20-24 years were estimated to be married as children. INTERPRETATION: One in five girls and nearly one in six boys are still married below the legal age of marriage in India. There remains an urgent need for strengthened national and state-level policy to eliminate child marriage by 2030. FUNDING: Bill & Melinda Gates Foundation.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».