Perspective of Medical Students on the COVID-19 Pandemic: Survey of Nine Medical Schools in Uganda
Notice bibliographique
Résumé
BACKGROUND: The coronavirus disease (COVID-19) pandemic is a global public health concern affecting over 5 million people and posing a great burden on health care systems worldwide. OBJECTIVE: The aim of this study is to determine the knowledge, attitude, and practices of medical students in Uganda on the COVID-19 pandemic. METHODS: We conducted an online, descriptive cross-sectional study in mid-April 2020, using WhatsApp Messenger. Medical students in 9 of the 10 medical schools in Uganda were approached through convenience sampling. Bloom's cut-off of 80% was used to determine good knowledge (≥12 out of 15), positive attitude (≥20 out of 25), and good practice (≥12 out of 15). RESULTS: The data of 741 first- to fifth-year medical students, consisting of 468 (63%) males with a mean age of 24 (SD 4) years, were analyzed. The majority (n=626, 84%) were pursuing Bachelor of Medicine and Bachelor of Surgery degrees. Overall, 671 (91%) had good knowledge, 550 (74%) had a positive attitude, and 426 (57%) had good practices. Knowledge was associated with the 4th year of study (adjusted odds ratio [aOR] 4.1, 95% CI 1.6-10.3; P<.001). Attitude was associated with the female sex (aOR 0.7, 95% CI 0.5-1; P=.04) and TV or radio shows (aOR 1.1, 95% CI 0.6-2.1; P=.01). Practices were associated with the ≥24 years age category (aOR 1.5, 95% CI 1.1-2.1; P=.02) and online courses (aOR 1.8, 95% CI 1.1-3.2; P=.03). In total, 592 (80%) medical students were willing to participate in frontline care if called upon. CONCLUSIONS: Medical students in Uganda have sufficient knowledge of COVID-19 and will be a large reservoir for health care response when the need arises.
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 | 0,013 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».