Knowledge and preventive behaviors regarding COVID-19 in Bangladesh: A nationwide distribution
Notice bibliographique
Résumé
Assessing individuals' knowledge and preventive behaviors towards the Coronavirus Disease of 2019 (COVID-19) is essential for the related public health surveillance strategies. Although some of the studies were conducted in Bangladesh, none of these studies considered the geographical distribution of knowledge and preventive behaviors towards COVID-19. Therefore, the present nationwide cross-sectional study with 10,067 samples for the first-time aims to assess the knowledge gap by presenting the geographical distribution of the COVID-19 knowledge and preventive behaviors across all administrative districts of Bangladesh. The measures included socio-demographics and questions about knowledge and preventive behaviors related to COVID-19. One-way ANOVA, independent t-test, and multiple linear regression were used to analyze the data. In addition, GIS-based mapping identified district-wise distribution of the outcomes. Results indicated that the overall mean score of knowledge related to COVID-19 was 14.363 ± 3.073, whereas 16.95 ± 2.89 was for preventive behaviors. Participants' being male, being divorced or widowed, consuming alcohol, smoking cigarettes, living in villages, and having no formal education reported lower performing preventive COVID-19 behaviors. Those participants with higher knowledge scores reported higher preventive COVID-19 behaviors (β = 0.053, p<0.001). However, the model predicted only 13.2% of the variation in preventive COVID-19 behaviors while the overall model being significant. The findings suggest that the Bangladeshi government should initiate appropriate far-reaching program of health education focusing on knowledge and preventive behaviors towards COVID-19 at a community level. After all, the strategies to combat COVID-19 will require individuals' involvement to control and prevent the disease outbreak, for which education is essential.
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 | 0,002 |
| 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 | 0,000 | 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 ».