Healthcare Professionals’ Perceptions of Non-Communicable Diseases Risk Factors and Its Regional Distribution in Ethiopia
Notice bibliographique
Résumé
INTRODUCTION: Non-communicable diseases (NCDs) are increasing as the main cause of death, disability, unproductivity and indisposition in Ethiopia.OBJECTIVES: The objectives of this study were to establish healthcare professionals’ perception on non-communicable disease risk factors and their regional distribution in Ethiopia.METHODS: A mixed method sequential explanatory design was conducted with a questionnaire survey obtaining quantitative replies from 312 healthcare professionals working in 13 referral hospitals in the first phase and qualitative data among 13 hospital managers in the second phase.RESULTS: Statistically significant prevalence of NCDs risk factors were reported with the lack of physical exercise (M=4.94, SD=.245, t (311) = 139.383; p < .0005), hypertension (M=4.89, SD=.312, t (311) = 107.021; p < .0005), and unhealthy diet (M=4.61, SD=.782, t (311) = 36.426; p < .0005) ranking as the top three leading NCDs risk factors. The prevalence and distribution of NCDs risk factors varied within Ethiopia, with a high perceived prevalence of lack of physical exercise, unhealthy diet, alcohol use, and blood glucose in Addis Ababa city followed by Amhara region. A high prevalence of tobacco use and hypertension was also observed in the regions of Benishangul Gumuz.CONCLUSION: The results revealed that the prevalence of NCDs risk factors are increasing in different regions of Ethiopia. Regionally specific non-communicable disease intervention strategies are required to revert the growing burden of the risk factors effectively.
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 | 0,002 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».