Association between sexual violence and multiple high-risk fertility behaviours among women of reproductive age in sub-Saharan Africa
Notice bibliographique
Résumé
BACKGROUND: Intimate partner violence has adverse outcomes on the sexual and reproductive health of women. In this study, we examined the association between sexual violence and multiple high-risk fertility behaviours (MHRFB) among women in sub-Saharan Africa (SSA). METHODS: We conducted a cross-sectional analysis of data pooled from the most recent Demographic and Health Surveys of 20 countries in SSA. We included countries with most recent datasets conducted from 2015 to 2021 and had data on all variables included in the study. A weighted sample of 88,011 was included in the study. We used a multilevel binary logistic regression to examine the association between sexual violence and MHRFB, controlling for other covariates. The regression results were presented using adjusted odds ratio (aOR) with 95% confidence interval (CI). Statistical significance was set at p < 0.05. RESULTS: The overall prevalence of MHRFB was 22.53% (95% CI: 22.26-22.81), which ranged from 9.94% in South Africa to 30.38% in Chad. For sexual violence, the pooled prevalence was 7.02% (95% CI: 6.86-7.19). Burundi (20.58%) and the Gambia (2.88%) reported the highest and lowest proportions, respectively. Women who experienced sexual violence were more likely to engage in MHRFB compared to those who did not experience sexual violence [aOR = 1.11, 95% CI: 1.02, 1.21]. CONCLUSION: There is a positive association between sexual violence and the risk of MHRFB. Our findings underscore a need for sub-Saharan African countries to strengthen their efforts to reduce the occurrence of sexual violence in intimate partner relationships. To augment efforts and accelerate social change, sub-Saharan African countries can introduce pro-poor policies and interventions to improve the wealth status of women. Also, empowering women through the encouragement of attaining higher education would be a useful step in lowering the risk of MHRFB 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 ».