FIRE DISASTER PREPAREDNESS AMONG STUDENTS IN KENYA MEDICAL TRAINING COLLEGES IN EASTERN KENYA
Notice bibliographique
Résumé
Purpose: The major objective of the study was to determine the status of fire preparedness among students at Kenya Medical Training College.
 Methodology: This was a descriptive cross-sectional study design. The study populations were 1st and 4th year students in Machakos and Embu KMTCs. A sample size of 336 students was selected randomly in both campuses while stratified random sampling technique was used to sample students from departments and classes in each College. Data was collected using pre-tested questionnaires, focus group discussions and key informant interviews. All the data collected was entered into Statistical Package for Social Sciences (SPSS) version 20 and analysis done using descriptive and inferential statistics.
 Findings: Students were aware of the types of disasters which could affect them while in the college with 181 (54%) of the respondents knew the possible fire risk sources in the rooms. Majority 218 (64.9%) did not know the college fire safety policy guidelines, while (72%) stated that they were vulnerable to fire disaster. Majority 329(98%) said fire drills as safety measures were never practiced in these colleges. There was no significant association between students’ age, gender, religion, and year of study and fire disaster preparedness (p>0.05).
 Unique contribution to theory, practice and policy: There is need for the institutional fire policy to ensure students are trained of students on fire safety after admission. The data generated can be used by KMTC management through conducting periodic fire drills to keep students well prepared on fire preparedness and post their telephone numbers for the nearest firefighting equipment on the college notice boards, classrooms and in hostels
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 | 0,001 |
| 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 | 0,001 |
| 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 ».