Point-of-Care diagnostic of SARS-CoV-2: knowledge, attitudes, and perceptions (KAP) of medical workforce in Italy.
Notice bibliographique
Résumé
INTRODUCTION: The present study aims to characterize knowledge, attitudes and beliefs in a sample of medical professionals towards point-of-care (POC) rapid tests for SARS-CoV-2 in Italy (April 2020). MATERIAL AND METHODS: A total of 561 professionals (42.6% males, 26.9% ≥ 50-year-old) compiled a specifically designed web questionnaire on characteristics of POC rapid tests. They were asked whether they would change daily practice and make clinical decisions according to POC tests. Multivariate odds ratios (aOR) for predictors of propensity towards the aforementioned behavioral outcomes were calculated through regression analysis. RESULTS: Overall, only 51.9% knew the official recommendations of the Italian Health Authorities for POC tests, while 26.0% of respondents considered POC tests for COVID-19 highly reliable. Still, 40.3% of respondents would change daily practice because of such tests, and 38.5% would make clinical decisions based of their results. Actual understanding of specificity and sensitivity of POC tests was not associated with assessed behavioral outcomes: main positive effectors were identified in perceived reliability and usefulness of rapid tests, acknowledging the existence of official recommendations, understanding the limited clinical implications of POC tests, and working as occupational physicians were characterized as negative effectors. Conclusions. Propensity of sampled professionals towards POC tests for COVID-19 was diffusely unsatisfying. While actual understanding of accuracy of such tests was not a main effector of propensity, previous experiences with other POC tests in daily practice, particularly among occupational physicians may have impaired overall acceptance of such instruments.
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 | 0,006 |
| 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 | 0,000 |
| 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 ».