Association between the survey-based women’s empowerment index (SWPER) and intimate partner violence in sub-Saharan Africa
Notice bibliographique
Résumé
BACKGROUND: Intimate partner violence (IPV) is high among women of reproductive age in sub-Saharan Africa (SSA). However, empowering women enables them to confront and mitigate IPV. In this study, we examined the association between the survey-based women's empowerment index (SWPER) and IPV in SSA. METHODS: We used data from the Demographic and Health Surveys of 19 countries conducted from 2015 to 2021. Our study was restricted to a weighted sample of 82,203 women of reproductive age who were married or cohabiting. We used spatial maps to show the proportions of women who experienced past-year IPV. A five-modelled multilevel binary logistic regression analysis was adopted to examine the association between SWPER and IPV. The results were presented using the adjusted odds ratio (AOR) with their respective 95% confidence interval (CI). Statistical significance was set at p < 0.05. RESULTS: With physical and emotional violence, the country with the highest prevalence was Sierra Leone, with a prevalence of 39.00% and 38.97% respectively. Rwanda (10.34%), Zambia (11.09%), Malawi (15.00%), Uganda (16.88%), and Burundi (20.32%) were the hotspot countries for sexual violence. Angola (34.54%), Uganda (41.55%), Liberia (47.94%), and Sierra Leone (59.98%) were the hotspot countries for IPV. A high SWPER score in attitudes to violence significantly decreased the odds of IPV [AOR = 0.70; 95% CI = 0.66, 0.75]. Also, women with medium score in decision-making were less likely to experience IPV compared to those with lower scores [AOR = 0.89; 95% CI = 0.83, 0.95]. However, higher odds of experiencing IPV was found among women with medium score in autonomy compared to those with low scores [AOR = 1.07; 95% CI = 1.01, 1.14]. CONCLUSIONS: Our study has shown that the three dimensions of SWPER significantly predict IPV among women. Consequently, it is crucial that sub-Saharan African countries implement various initiatives, such as IPV advocacy programs and economic livelihood empowerment initiatives. These initiatives should not only aim to improve women's attitudes to domestic violence but also to enhance their social independence, autonomy, and decision-making capacity.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».