Dengue Disease Risk Mental Models in the City of Dhaka, Bangladesh: Juxtapositions and Gaps Between the Public and Experts
Notice bibliographique
Résumé
Worldwide, more than 50 million cases of dengue fever are reported every year in at least 124 countries, and it is estimated that approximately 2.5 billion people are at risk for dengue infection. In Bangladesh, the recurrence of dengue has become a growing public health threat. Notably, knowledge and perceptions of dengue disease risk, particularly among the public, are not well understood. Recognizing the importance of assessing risk perception, we adopted a comparative approach to examine a generic methodology to assess diverse sets of beliefs related to dengue disease risk. Our study mapped existing knowledge structures regarding the risk associated with dengue virus, its vector (Aedes mosquitoes), water container use, and human activities in the city of Dhaka, Bangladesh. "Public mental models" were developed from interviews and focus group discussions with diverse community groups; "expert mental models" were formulated based on open-ended discussions with experts in the pertinent fields. A comparative assessment of the public's and experts' knowledge and perception of dengue disease risk has revealed significant gaps in the perception of: (a) disease risk indicators and measurements; (b) disease severity; (c) control of disease spread; and (d) the institutions responsible for intervention. This assessment further identifies misconceptions in public perception regarding: (a) causes of dengue disease; (b) dengue disease symptoms; (c) dengue disease severity; (d) dengue vector ecology; and (e) dengue disease transmission. Based on these results, recommendations are put forward for improving communication of dengue risk and practicing local community engagement and knowledge enhancement in Bangladesh.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».