MétaCan
Menu
Retour à la cohorte
Enregistrement W3188191872 · doi:10.11591/ijphs.v10i4.21053

Knowledge and public health practices during lockdown towards COVID-19 in Bangladesh

2021· article· en· W3188191872 sur OpenAlexaff
Sharmin Akhtar, Md Rubel Ahmed, Sharmin Jahan, Md Mosharaf Hossain

Notice bibliographique

RevueInternational Journal of Public Health Science (IJPHS) · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensHealth Research Foundation
Organismes subventionnairesnon disponible
Mots-clésPandemicHygieneCoronavirus disease 2019 (COVID-19)Environmental healthDescriptive statisticsOutbreakPublic healthPopulationKnowledge levelMedicinePsychologyDiseaseInfectious disease (medical specialty)NursingStatisticsVirology

Résumé

récupéré en direct d'OpenAlex

The study aimed to assess the role of having knowledge and essential hygiene practices to prevent coronavirus pandemic and to find out the relationship between people’s knowledge and good hygiene practices with socio-demographic variables during coronavirus disease 2019 (COVID-19) pandemic situation. In this study, data were collected from 248 respondents for cross-sectional study using voluntary response sampling from April, 30 2020 to May, 30 2020, during lockdown situation in Bangladesh. Descriptive statistics were done to calculate the frequencies and percentages by using Stata SE 14.2 (StataCorp). Chi-square was performed at the significance level of 5% to find the factors which were associated with knowledge about COVID-19. After knowing about COVID-19, 86.29% respondents had taken preventive measures and 71.37% respondents had agreed to stay at home. Among the respondents, 47.98% were involved in services and were positively associated with good general knowledge of preventive practices. Our present findings indicated significant relationship between good general knowledge and practice of general people towards COVID-19 outbreak in Bangladesh. The findings of the study are helpful for the researchers and the population to follow all good promotional practices for preventive measures against coronavirus.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,537
Tête enseignante GPT0,560
Écart entre enseignants0,023 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Public Health Science (IJPHS)Même sujetCOVID-19 epidemiological studiesTravaux en français237 207