Knowledge, perception and practice of self-medication among premedical and basic science undergraduate medical students
Notice bibliographique
Résumé
Aims and Objective: Responsible self-medication is recognized as an important component of self-care. Medical students are in a unique position as they cannot yet legally prescribe medicines but their knowledge about and exposure to medicines increase as they progress through their course. Xavier University School of Medicine in Aruba admits students mainly from the United States, Canada and other countries to the undergraduate medical course. The present study was carried out to study the knowledge, perceptions and practice of self-medication among premedical and undergraduate medical students.Materials and Methods: The study was conducted during June and July 2016 using a questionnaire which had been used previously. Knowledge and perceptions were studied by noting the respondents’ degree of agreement with asset of 40 statements. The use of selected classes of medicines for self-medication during the preceding one-year period was studied. The knowledge, perception and total scores were calculated and compared among different subgroups of respondents. Age, gender, nationality and semester of study of the respondents were noted.Results: Eighty-five of the 125 students enrolled (69.1%) participated. The mean knowledge, perception and total scores were 73.45, 62.75 and 136.2 (maximum possible scores were 105, 95 and 200 respectively). There was no significant difference in scores among subgroups of respondents. Analgesics, skin ointments, antipyretics and anti-allergics were commonly used for self-medication. Over half the respondents had used some form of self-medication during the preceding year. Conclusion: The present study provides preliminary information regarding self-medication practices among both premedical and basic science medical students. Further studies on factors influencing and information sources used during self-medication can be conducted. Asian Journal of Medical Sciences Vol.7(5) 2016 63-68
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,003 | 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 ».