Knowledge, Attitude, and Practice Towards COVID-19 Among Pharmacists: A Cross-Sectional Study
Notice bibliographique
Résumé
PURPOSE: The COVID-19 outbreak has caused governments to put pandemic-related guidelines requiring compliance and understanding by healthcare professionals to mitigate its spread uncontrollably. We studied pharmacists' knowledge, attitude, and practice towards the COVD-19 outbreak compared with other healthcare workers during the pandemic in Saudi Arabia. METHODS: We surveyed pharmacists' socio-demographics (n=50) compared with other healthcare professionals (n=378) during lockdown starting in June 2020. We measured respondents' level of knowledge (n=10 questions, maximum score of 10), attitude (n=17 questions, maximum score of 80), and their practices (n=16 questions, maximum score of 80) towards COVID-19 infection. RESULTS: Median knowledge score was 8 (25th-75th percentiles: 7-9), attitude score 76 (70-80) and practice score 74 (68-78). Good knowledge predictors were >20 years working experience [OR: 2.05 (95% CI: 1.03-4.06); P=0.04] and >50% working in clinical practice [OR: 1.72 (95% CI: 1.12-2.66); P=0.01], in inverse relationship with paramedical professions [OR: 0.45 (95% CI: 0.45 (0.28-0.72)); P=0.001] and working in a university hospital [OR: 0.51 (95% CI: 0.33. 0.81); P=0.004]. Availability of pharmaceutical information and treatment options was associated with good attitude [OR: 2.19 (95% CI: 1.04-4.59); P=0.039] and acquaintance as primary information sources negatively associated with good attitude [OR: 0.34 (95% CI: 0.15-0.8); P=0.013]. Good practice predictors were female gender [OR: 3.84 (95% CI: 2.37-6.24); P<0.001], military hospital employment [OR: 2.32 (95% CI: 1.25-4.31); P=0.008], USA [OR: 3.41 (95% CI: 1.03-11.22); P=0.044] or UK [OR: 8.86 (95% CI: 1.91-41.07); P=0.005] qualifications, and information on supportive measures [OR: 2.2 (95% CI: 1.36-3.56); P=0.001]. CONCLUSION: Health workers displayed good knowledge about COVID-19, while profession and working experience predicted adequate knowledge, positive attitude, or practice towards disease management.
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 | 0,003 |
| 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 | 0,001 |
| 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 ».