Factors Associated with Sexual Behaviour among Women Aged 15-49 in South African Low-Income Communities
Notice bibliographique
Résumé
Introduction: South Africa faces disproportionately high rates of sexually transmitted diseases (STDs), especially in low-income communities. Understanding how demographic, socioeconomic, and knowledge-based factors influence sexual behaviour is critical for targeted public health interventions. Therefore, this study examined the relationships between socioeconomic status (SES), education, ethnicity, marital status, STD awareness, and sexual behaviour among women aged 15 – 49 in low-income South African communities. Methods and Materials: We conducted a cross-sectional study utilizing data from the South Africa Demographic and Health Survey 2016 (SADHS 2016). Key variables included sexual behaviour (safe versus risky), SES, education, place of residence, ethnicity, marital status, and awareness of STDs. Bivariate and multivariable analyses were used to assess associations between sexual behaviour and the aforementioned variables. Results: Among 8,513 respondents, 22.3% (95% CI: 21.1–23.5) engaged in risky sexual behaviour. Higher SES was associated with increased odds of risky behaviour, as were White, Coloured, and Indian/Asian ethnicities compared to Black Africans. Conversely, higher education levels, being married or cohabiting, and STD awareness (having heard of AIDS) significantly reduced risky sexual behaviour. Urban residence had no significant effect. These findings highlight the influence of socioeconomic and educational factors on sexual health outcomes. Conclusion: Sexual behaviour may be influenced by a number of factors, and behavioural patterns vary across groups. Public health strategies and intersectional approaches to sexual health should be considered to enhance education and STD awareness to reduce risky behaviours and improve sexual health outcomes in different population groups.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».