Pandemic Influenza A (H1N1) and Its Prevention: A Cross Sectional Study on Patients’ Knowledge, Attitude and Practice among l study on Patients’ Knowledge, Attitude and Practice among patients attending Primary Health Care Clinic in Kuala Lumpur, Malaysia
Notice bibliographique
Résumé
The World Health Organization confirmed that the novel influenza A, H1N1 as a pandemic on 11 June 2009. After less than three months, 182 countries were affected by the pandemic accounting for about 150,000 infected cases and 3000 mortality. Successful H1N1 pandemic management strategies' shaped by making changes in health behavior. The aim of this study was to document patients' knowledge, attitudes and practices (KAP) regarding the pandemic influenza A (H1N1) and its prevention. We performed a cross-sectional study on knowledge, attitudes and practices (KAP) on preventive measures of Influenza A (H1N1) involving 322 patients attending Klinik Kesihatan Jinjang, a primary health care clinic in Kuala Lumpur, Malaysia from May 10 to 26, 2010 using a face to face interview with a structured pre-tested questionnaire. The majority of the respondents were females (56.8%), Malays (43.2%) aged between 18-27 years old (28.9%). There were significant association between knowledge on the complication of H1N1, effectiveness of the treatment, preventive measures of Influenza A (H1N1) and race (p<0.001) and educational level (p<0.001). There were also significant associations between attitude scores of these patients and their gender (p=0.03), and educational level (p=0.001). Practice scores related to H1N1 were found to be significantly associated with race (p<0.001) and educational level (p<0.001). The significant associations were observed between knowledge and attitude (p<0.001), knowledge and practices (p<0.001), as well as attitude and practices related to H1N1 (p<0.001). Knowledge has a crucial effect on patients' attitude and practice particularly in a pandemic spread. So health policy makers should attempt to disseminate information about preventive measures to community in order to improve their preventive practices during pandemics.
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 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».