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 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».