Effectiveness of various health education methods amongst primary healthcare workers of western Uttar Pradesh, Delhi (National Capital Region), India: A promotive intervention study
Notice bibliographique
Résumé
Objectives: The purpose of this study was to assess the effectiveness of various health education methods for improving oral health knowledge of accredited social health activists (ASHA) and Anganwadi workers of Muradnagar Block, Ghaziabad-Delhi NCR. Methods: A promotive interventional study was conducted amongst 301 ASHA and Anganwadi workers of Muradnagar block at three steps such as baseline, oral health education programme (OHEP), and reinforcement to assess their oral health knowledge using predesigned, close-ended, validated, questionnaire. Four different methods were used in OHEP to disseminate knowledge, namely, health talks, posters, and pamphlets, PowerPoint presentations, and a combination of all methods. Post-assessment was done one week after OHEP followed by reinforcement after 1 month which was followed by final post-assessment after 1 week. Students’ independent t -test and one-way ANOVA were used for analysing data. Results: At baseline, primary healthcare workers had mean knowledge scores as 14.67 ± 1.152 which was increased to 20.96 ± 1.053 after the intervention and 27.6 ± 0.762 after reinforcement. There was an increase of 7.6% and 14.3% of primary healthcare workers giving correct responses after OHEP and reinforcement, respectively. Conclusions: The combination method was the most effective in improving oral health knowledge of study population followed by posters and pamphlets and the least effective method was PowerPoint presentation. Dentists can play a vital role in mobilising the primary healthcare workers by consequently contributing towards improving the oral health status of the community.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».