Knowledge and Awareness of Children's Food Safety Among School-Based Street Food Vendors in Dhaka, Bangladesh
Notice bibliographique
Résumé
We carried out a cross-sectional study to determine the level of knowledge and awareness regarding children's food safety issues among the school-based street food vendors in Dhaka city. A total of 250 school-based street food vendors were interviewed employing a pre-tested structured questionnaire comprising foodborne illness and food hygiene-related questions. We used a scoring system based on the responses obtained from them, and categorized the overall level of knowledge and awareness into "adequate" and "inadequate." Multivariable logistic regression was used to explore the association between selected sociodemographic characteristics and the level of knowledge and awareness. The most common food item vended by school-based street food vendors was chotpoti/fuchka (37.2%). The median number of schoolchildren customers was 120 per vendor per day. All (100%) vendors were male with a mean age of 30.95±8.8 years, and their mean daily income was 131.16±62.54 Bangladeshi Taka (1.97±0.94 USD). Most (40.1%) of the respondents belonged to the age group 25-34 years, and the majority (43.6%) did not have any formal education. More than two-thirds (68%) vendors could not show adequate level of knowledge and awareness of children's food safety issues. The most common source of obtaining food safety information by vendors was electronic media (91.8%). Elderly (≥45 years) vendors were 17.73 times more likely to have adequate level of knowledge and awareness than the vendors belonging to age group 15-24 years (p<0.001; adjusted OR=17.73; 95% CI=4.38-71.73). Individuals who had an education of higher than primary level were 9.87 times more likely to possess adequate level of knowledge and awareness than those who did not have any formal education (p<0.01; adjusted OR=9.87; 95% CI=2.07-46.93). The majority of school-based street food vendors showed an inadequate level of knowledge and awareness of children's food safety issues.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».