Prevalence and Causes of Self Medication among Medical Students of Kerman University of Medical Sciences, Kerman, Iran
Notice bibliographique
Résumé
BACKGROUND: Self-medication is a public health concern because of drug misuse/abuse and its medical, social and psychological problems. AIM: Given the growing prevalence of self-medication, the present study aims to determine the prevalence and causes of self-medication among students of Kerman University of Medical Sciences. METHOD: This cross-sectional study was conducted in 2014 on 550 students who were selected through multistage sampling from Kerman University of Medical Sciences, Kerman, in southeast Iran. Data was collected through a self-report questionnaire. Test-retest reliability and content validity of this questionnaire were confirmed. Data analysis was carried out using descriptive and inferential statistics via t-test and analysis of variance (ANOVA). RESULTS: The prevalence of self-medication among students was 50.2%. The most common cause of self-medication was related to students' knowledge about the diseases and medications (58.7%). The majority of drugs consumed arbitrarily included cough and cold medications (94.5%); analgesics (89.9%); antihistamines (80.0%); herbal drugs and distillates (78.9%); vitamins, minerals, dietary supplements and energizers (71.5%); antibiotics (61.8%); and gastrointestinal drugs (54.9%), respectively. The most common illness that led to self-medication was the common cold (95.4%), and the most important source of information regarding self-medication was the students’ own scientific knowledge of medical drugs (80.6%). CONCLUSION: Due to the adverse effects of self-medication, drug dependency, and microbial resistance and the relatively high prevalence of self-medication among students in this study, it would be advisable to organize awareness campaigns to further educate students about self-medication.
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 | 0,000 | 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) | 0,002 | 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 ».