Knowledge, attitudes, and fear of COVID-19 during the Rapid Rise Period in Bangladesh
Notice bibliographique
Résumé
The study aims to determine the level of Knowledge, Attitude, and Practice (KAP) related to COVID-19 preventive health habits and perception of fear towards COVID-19 in subjects living in Bangladesh. DESIGN: Prospective, cross-sectional survey of (n = 2157) male and female subjects, 13-88 years of age, living in Bangladesh. METHODS: Ethical approval and trial registration were obtained before the commencement of the study. Subjects who volunteered to participate and signed the informed consent were enrolled in the study and completed the structured questionnaire on KAP and Fear of COVID-19 scale (FCV-19S). RESULTS: Twenty-eight percent (28.69%) of subjects reported one or more COVID-19 symptoms, and 21.4% of subjects reported one or more co-morbidities. Knowledge scores were slightly higher in males (8.75± 1.58) than females (8.66± 1.70). Knowledge was significantly correlated with age (p < .005), an education level (p < .001), attitude (p < .001), and urban location (p < .001). Knowledge scores showed an inverse correlation with fear scores (p < .001). Eighty-three percent (83.7%) of subjects with COVID-19 symptoms reported wearing a mask in public, and 75.4% of subjects reported staying away from crowded places. Subjects with one or more symptoms reported higher fear compared to subjects without (18.73± 4.6; 18.45± 5.1). CONCLUSION: Bangladeshis reported a high prevalence of self-isolation, positive preventive health behaviors related to COVID-19, and moderate to high fear levels. Higher knowledge and Practice were found in males, higher education levels, older age, and urban location. Fear of COVID-19 was more prevalent in female and elderly subjects. A positive attitude was reported for the majority of subjects, reflecting the belief that COVID-19 was controllable and containable.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».