Social Marketing on Dengue Hemorrhagic Fever and Tuberculosis Prevention and Control Program in Pati, Central Java, Indonesia
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
Indonesia has the highest number of dengue fever cases in Southeast Asia and the second highest TB cases in the world. Both diseases are related to behavior. Social marketing focuses on changes in health behaviors. This study aimed to apply social marketing on dengue mosquito vector control and TB case finding and to analyze the effect of social marketing training on the knowledge and skills of community health workers (CHWs). A mixed method design was conducted in Pati, Central Java, Indonesia. First, a case study was conducted using field observation, in-depth interviews, focus group discussions (FGD), and document review. In-depth interviews and FGD were conducted on 55 participants including 40 community leaders and 15 CHWs. Data were analyzed using content analysis. Second, intervention study was conducted on social marketing training of 30 CHWs. The independent variable was social marketing training. The dependent variables were knowledge and skill of dengue mosquito vector control and TB case finding. The effect of training was analyzed by paired t test. The results showed that knowledge (p<0.001) and skill (p<0.001) in dengue mosquito vector control and TB case finding increased significantly after training. Qualitative assessment showed that CHWs were more able to identify health problems in the community and to perform TB case finding and dengue mosquito breeding place eradication. After training they also became more knowledgeable in applying social marketing approach to address the health problem. In conclusion, social marketing strategy can be used to address community health 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.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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