Socio-Demographic Characteristics of Health Care Workers and Hepatitis B Virus (HBV) Infection in Public Teaching Hospitals in Khartoum State, Sudan
Notice bibliographique
Résumé
BACKGROUND: HBV is second to tobacco as a known human carcinogen and the 10th leading cause of death worldwide. OBJECTIVES: To examine the socio-demographic characteristics of health care workers and hepatitis B virus in Public Teaching Hospitals in Khartoum State, Sudan, in 2004. METHODS: It was an observational, cross sectional, facility-based study. A total of 843 subjects were selected. It was conducted through multistage cluster sampling. The clustering was based on: type of hospital (Federal or State) and degree of exposure (type of department). For the analysis, Z-test for single proportion and some non-parametric tests such as Chi-Square test were used. RESULTS: Among the 843 subjects tested for HBV markers (Anti-HBc, HBsAg, HBsAb, and HBeAg), the prevalence of Anti-HBc, HBsAg, HBsAb, and HBeAg was found to be 57%, 6%, 37% and 9% respectively. Seroprevalence of all HBV markers was found to be statistically significant with demographic factors (P<0.05). CONCLUSION: Infection rate, carrier rate and a profile of high infectivity rate were found to be high. The immunity rate was low. There is a significant association between HBV markers and socio-demographic characteristics. Highest rate of infection was found in State Hospitals, South and West regions, married HCWs and HCWs of age group 30-49.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».