Frontline Healthcare Workers’ Knowledge, Perception and Risk Prevention Practices Regarding COVID-19 in Afghanistan: A Cross-Sectional Study
Notice bibliographique
Résumé
(1) Background: As of 13 December 2020, Afghanistan reported around 48,952 confirmed COVID-19 cases and 1960 deaths. Lack of knowledge and perceptions among healthcare workers (HCWs) can pose challenges to disease control. Therefore, targeted, timely assessment of knowledge and perceptions are needed to address practices that might hinder efforts to stop the spreading of COVID-19 in Afghanistan. This study aimed to assess COVID-19-related knowledge, perceptions, and risk prevention practices (KPP) among frontline HCWs in Afghanistan; (2) Methods: A cross-sectional study was conducted with the support of field teams who were deployed in Afghanistan, surveyed from 14 to 22 April 2020 in eight provinces in Afghanistan with varying cumulative incidence of COVID-19 cases. A 28-item KPP survey instrument was adapted from other internationally validated questionnaires related to COVID-19. (3) Results: The survey was conducted among 213 frontline HCWs engaged in screening and treating COVID-19 patients. Survey results indicated that basic awareness of COVID-19 was 100% across all the participants. Knowledge and understanding of COVID-19 transmission, symptoms, incubation period and complications associated with COVID-19 are comprehensive and high (>90%), except available treatment for COVID-19 (84%). HCWs' perceptions towards the prevention and control of COVID-19 were positive. However, only 63% believed that the use of N-95 face masks and disposable and fluid-resistant gowns (76%) could prevent COVID-19 transmission. This survey showed high knowledge and positive perception (72%), and only 48% of frontline HCWs had shown risk prevention practices. Addressing their perceptions and placing additional focus on practices across all health facilities is recommended as a preparedness measure.
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 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».