A Cross-Sectional Survey of Factors Influencing Choice of Medical Care Among Ill Patients Suffering from Chronic Diseases in Ebonyi State, Nigeria
Notice bibliographique
Résumé
The cross-sectional survey research design was used to the study the factors influencing choice of medical care among ill patients suffering from chronic diseases in Ebonyi State. The sample of the study comprised 325 in-patients with selected chronic diseases such as diabetics’ mellitus, cardiac and renal diseases who were undergoing treatment at the Federal Teaching Hospital (FETHA 1) Abakaliki. The instrument used for data collection was a 26-item questionnaire developed by the researchers. Data collected were analyzed using percentages in order to describe the data and chi-square (χ2) statistic in order to establish whether there was any significant association between the independent variables of gender and level education attained and the dependent variables, that is, the factors influencing choice of medical care among chronic diseases patients. The results of the study showed that the association between gender and factors influencing choice of medical care is not significant except for culture, employer and strong hope of cure (p < 0.05). Secondly, the association between level of education attained by patients and factors influencing choice of medical care is significant except for finance, access to hospital, relationship with medical personnel and adequacy of hospital facilities (p > 0.05). The need for chronic diseases clinics and hospitals for prompt treatment of chronic diseases patients is advocated.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».