The General Public Knowledge, Attitude, and Practices Regarding COVID-19 During the Lockdown in Asian Developing Countries
Notice bibliographique
Résumé
The recent outbreak of coronavirus disease (COVID-19) is the worst global crisis. Since no successful treatment and vaccine have been reported, efforts to improve the public's knowledge, attitudes, and practices are critical to reducing the spread of COVID-19. This study aims to investigate the general public knowledge, attitude, and practices regarding COVID-19. A cross-sectional online survey was conducted in three developing countries (China, India, and Pakistan). The reason for choosing only three countries is to identify the cross-border effect statistically and data collection constraints. The IBM SPSS version 23.0 was used for descriptive, univariate, and multivariate analysis of the study. One thousand one hundred and sixty participants completed the study, one-quarter of them were female, and three-quarters were male. The study's findings evidenced that the knowledge and attitude correlation was 58.4% and between knowledge and practices 18.2%. Furthermore, the knowledge was found lower in females, among India and Pakistan, and people aged less and equivalent to 30 years. The attitudes among respondents were found poorer among unmarried females and India and Pakistan residents. While the practices found lower among employed, unemployed and, respondents had a bachelor's degree, and females reside in India. And future studies should focus on factors that influence the government regarding the imposition of lockdown, boost the economy in the pandemic, and motivate the general public to follow the health institution's instructions.
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 | 0,000 |
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 ».