Predictors of voluntary uptake of modern contraceptive methods in rural Sindh, Pakistan
Notice bibliographique
Résumé
The use of modern contraceptive methods (MCMs) has been stagnant for the last decade in Pakistan. The second most populous province, Sindh reports 25% of MCMs use. Various factors including demographics and health services utilization are associated with the uptake of family planning services. This research aimed to identify and assess specific predictors of MCMs among women aged 15-49 in two districts of Sindh-Matiari and Badin. A cross-sectional household survey was conducted from October 2020- December 2020. In total, 1684 Married Women of Reproductive Age (MWRA) 15-49 years were interviewed. For the selection of eligible respondents, a two-stage stratified cluster sampling strategy was used. Univariate and multivariable logistic regression was used to determine the predictors for the use of MCM. Use of modern methods of contraceptive was 26.1% (n = 441). Statistically significant socio demographic predictors of MCM included: number of children 4 or more (AOR: 5.23; 95%CI: 2.78-9.84), mother having primary education (AOR: 1.73; 95% CI: 1.26-2.36), and husband having middle education (AOR: 1.69; 95% CI: 1.03-2.76). Maternal health services indicators included: postnatal care of mother (AOR: 1.46; 95% CI: 1.09-2.05); women who were visited by Lady Health Workers in their postnatal period and were counselled on family planning (AOR: 1.83; 95% CI: 1.38-2.42). Since the primary purpose of using modern contraceptive methods is for limiting pregnancies, there is a potential to promote awareness about the benefits of birth spacing as part of implementing a more integrated approach to family planning. The integration of family planning services within maternal and newborn child healthcare services effectively promote the voluntary adoption of modern contraceptive methods. The role of Lady Health Workers in family planning counseling and service provision and uptake is important in the context of Sindh and should be fostered further by opportunities for capacity building and their empowerment.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».