MétaCan
Menu
Retour à la cohorte
Enregistrement W2611820466 · doi:10.14202/ijoh.2017.12-18

Brucellosis: Community, medical and veterinary workers’ knowledge, attitudes, and practices in Northern Uganda

2017· article· en· W2611820466 sur OpenAlexfundno aff
Harriet Muloki Nabirye, Joseph Erume, George William Nasinyama, Joseph Kungu, Jesca Nakavuma, Duncan Ongeng, David Okello Owiny

Notice bibliographique

RevueInternational Journal of One Health · 2017
Typearticle
Langueen
DomaineVeterinary
ThématiqueBrucella: diagnosis, epidemiology, treatment
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institute for Advanced Research
Mots-clésBrucellosisVeterinary medicineFamily medicineMedicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Aim: This study aimed at determining the knowledge, attitudes, and practices of the community, medical and veterinary workers regarding brucellosis. Materials and Methods:A cross-sectional study was conducted at selected health facilities in Apac, Gulu, Lira, and Pader districts of Northern Uganda using a standardized questionnaire.A total of 251 patients testing positive for brucellosis using the Brucella plate agglutination test, 59 medical and 29 veterinary workers were studied.Chi-square test at 95% confidence level was used to analyze data.Results: Only 8% patients, 15.3% medical, and 21.4% veterinary workers were knowledgeable on transmission methods and symptoms for brucellosis and knowledge differed according to the level of education among patients (p=0.001),medical (p=0.001), and veterinary workers (p=0.012).Over 80% patients, medical and veterinary workers had a positive attitude.Only 8% patients, 13.6% medical, and 7.1% veterinary workers had good practices regarding brucellosis control.Conclusion: Poor knowledge, poor practices, and positive attitude provide an opportunity for health education and policy formulation for the control of brucellosis.The prevalence studies of human and animal brucellosis are recommended to determine the magnitude of the problem.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,263
Tête enseignante GPT0,513
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of One HealthMême sujetBrucella: diagnosis, epidemiology, treatmentTravaux en français237 207