Evaluation of water, sanitation and hygiene program outcomes shows knowledge-behavior gaps in Coast Province, Kenya
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Water related diseases constitute a significant proportion of the burden of disease in Kenya. Water, sanitation and hygiene (WASH) programs are in operation nation-wide to address these challenges. This study evaluated the impact of the Sombeza Water and Sanitation Improvement Program (SWASIP) in Coast Province, Kenya. METHODS: This study is a cluster randomized, follow-up evaluation that compared baseline (2007) to follow-up (2013) indicators from 250 households. Twenty-five villages were selected with probability proportional to size sampling, and ten households were selected randomly from each village. Follow-up data were collected by in-person interviews using pre-tested questionnaires, and analyzed to compare indicators collected at baseline. Cross-sectional results from the follow-up data were also reported. RESULTS: Statistically significant improvements from baseline were observed in the proportions of respondents with latrine access at home, who washed their hands after defecation, who treated their household drinking water and the average time to collect water in the dry season. However, this study also observed significant decreases in the proportion of respondents who washed their hands before preparing their food, or feeding their children, and after attending to a child who has defecated. The analysis also revealed a knowledge-behavior gap in WASH behaviors. CONCLUSION: SWASIP contributed to improvements from baseline, but further progress still needs to be seen. The findings challenge the assumption that providing infrastructure and knowledge will result in behavior change. Further understanding of specific, non-knowledge predictors of WASH related behavior is needed.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle