Lifetime Intimate Partner Violence (IPV) Against Mozambican Women: Individual and Contextual Level Factors Driving Its Prevalence
Notice bibliographique
Résumé
Abstract Background Intimate partner violence (IPV) remains a significant public health issue in Mozambique. This study uses data from the 2022-2023 Mozambique Demographic and Health Survey (DHS) to examine the prevalence and sociodemographic determinants of Lifetime IPV among women. Methods A nationally representative sample of 4,813 women aged 15-49 was analyzed to assess the prevalence of Lifetime IPV. Logistic regression models were used to identify individual- and contextual-level factors associated with Lifetime IPV. Results Nearly 1 in 4 women (23.07%) reported experiencing physical abuse from a current or former partner in their lifetime. Marital status emerged as a key individual-level determinant, with married, cohabitating, and separated women being at significantly higher odds of experiencing IPV compared to women who had never been in a union. Educational attainment and current employment were also associated with increased odds of IPV. Similarly, women who justified physical abuse had higher odds of experiencing IPV. Additionally, husbands/partners’ alcohol consumption was one of the strongest predictors, nearly tripling the odds of Lifetime IPV. Finally, the effect modification between marital status and education showed that the intersection of these factors further shaped IPV risk. At the contextual level, provincial disparities were observed, with Cabo Delgado and Manica showing the highest IPV prevalence, while Inhambane and Gaza had the lowest. Conclusion This study provides updated data on the prevalence of Lifetime IPV in Mozambique and highlights key individual and contextual factors contributing to IPV. The findings underscore the need for targeted interventions addressing socio-cultural norms, improving educational opportunities, mitigating alcohol consumption, and implementing province-specific strategies to reduce IPV and enhance women’s safety across Mozambique.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 ».