Assessing knowledge about lymphatic filariasis and the implementation of mass drug administration amongst drug deliverers in three districts/cities of Indonesia
Notice bibliographique
Résumé
BACKGROUND: This research assesses knowledge amongst drug deliverers about the implementation of mass drug administration (MDA) for lymphatic filariasis (LF) in Agam District (West Sumatera Province), the City of Depok (West Java Province) and the City of Batam (Kepulauan Riau Province), Indonesia. METHODS: A cross-sectional survey was conducted from January to March 2015 at these three sites. Respondents were identified using purposive sampling (i.e. cadre, health worker or community representatives). A total of 318 questionnaires were accepted for analysis. Three outcomes were assessed: knowledge about LF; knowledge about MDA implementation; and was informed about MDA coverage. Logistic regression analyses were employed to examine factors associated with these three outcomes. RESULTS: Less than half of respondents were charactersised as having a high level of LF knowledge and less than half a high level of knowledge about MDA. The odds of having a high level of knowledge of LF was significantly lower in Batam City than Agam District, yet higher amongst health workers than cadres. Deliverers living in urban areas reported more feedback on MDA outcomes than in the rural district. Health workers received more feedback than cadres (P < 0.001). Deliverers perceived the difference between coverage (drug receipt) and compliance (drug ingestion) in the community. CONCLUSIONS: There are variations in knowledge about LF and MDA as well as feedback across drug deliverers in MDA across geographical areas. Adaptation of the MDA guidelines, supportive supervision, increasing the availability of supporting materials and directly-observed therapy might be beneficial to improve coverage and compliance in all areas.
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 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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».