Insights into Intimate Partner Violence: Exploring Predictive Factors in Ghana Multiple Indicator Cluster Surveys 2018
Notice bibliographique
Résumé
Intimate partner violence (IPV) continues to be a serious public health issue, particularly in Ghana. It is crucial to create evidence-based, preventative measures to stop IVP. This study empirically investigated the factors related to married women’s perceptions of male IPV against women. The United Nations Sustainable Development Goals (SDGs) (Goal 5.2) advocate for the elimination of male violence against women by governments, hence this study contributes to monitoring the progress being made. This study employed cross-sectional secondary data from Ghana Multiple Indicator Cluster Surveys (MICS) conducted in 2018 with a sample of 14,237 women aged 15–49. Data were analyzed using descriptive statistics and bivariate and multivariate logistic regressions, and the results were presented as odds ratios (ORs) with a confidence interval (CI) of 95%. Women’s justification of male IPV against women was correlated with socio-demographic factors such as education level, marital status, age of the woman, area of residence (rural or urban), ethnic background, and economic disadvantage (wealth status). Higher educated women (OR 0.248 [95% CI 0.185–0.332, p < 0.001]) were less likely to justify male IPV against women than women with no/less formal education. Women who were in the richest quintile (OR 0.766 [95% CI 0.634–0.926, p = 0.006]) were less likely than those in the poorest/lowest quintile to rationalize/justify intimate partner violence. In terms of ethnicity of the household head, the Ga/Dangme (OR 0.86 [95% CI 0.714–1.036, p = 0.112]) had lower odds of justifying male IPV against women compared to the Akan. The government, through the Ministry of Gender and Child Protection and women’s advocacy groups, should devise strategies, programs, and policies to empower women through formal education and economically through job training and employment support for women and victims to help them achieve financial independence and reduce negative attitudes toward women and the prevalence of male IPV against women.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».