Impacts of inequalities in utilization of key maternal health service on fertility preference among high parity women in four selected regions of Ethiopia
Notice bibliographique
Résumé
BACKGROUND: Fertility is one of the three main components which determines the size, structure, and composition of a population, and fertility preferences are important measures for forecasting fertility levels of a population. Therefore, this study aims to assess the impacts of the inequalities in the utilization of key maternal health services on fertility preference among high parity women in four selected regions (i.e., Afar, Beninshangul-Gumuz, Gambella and Somali) of Ethiopia. METHODS: The study used data collected for the 2016 Ethiopian Demographic and Health Surveys (EDHS) survey. It includes a total of 977 high parity women (104 urban and 873 rural) residing in the four regions of the study. Bivariate logistic regression was used to select the potential variables by using a cut off p-value < 0.2 and then the multivariable logistic regression analyses were performed to assess the association between the selected explanatory variables (i.e., control and exposure variables) and the outcome variable (i.e. fertility preference). Further, the study employed a Population Attributable Fractions (PAFs) to examine the population level impacts of the inequalities in maternal and child health service variables on fertility preference. RESULTS: The results showed that religion, household wealth index, place of delivery and contraceptive use were significantly associated with fertility preference. The results of the PAFs analysis indicated that contraceptive use had the biggest impact (80%), meaning that non-use of contraceptive increased fertility preference among women in the four regions. Similarly, out of health facility delivery increased fertility preference by 37%. CONCLUSION: The study findings underscore the critical factors influencing women's fertility preferences in the studied regions. Low utilization of maternal health services had an impact on fertility preference, accounting for more than half of the observed variations in fertility preferences. To address this issue, targeted interventions are recommended: enhancing access to maternal health services, strengthening fertility control programs, promoting the benefits of using these services, and actively addressing inequalities.
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 | 0,002 |
| 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 | 0,000 | 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 ».