MétaCan
Menu
← Retour à la cohorte
Enregistrement W3196033429 · doi:10.2196/26980

Knowledge, Attitudes, and Practices Regarding COVID-19 Among Health Care Workers in Public Health Facilities in Eastern Ethiopia: Cross-sectional Survey Study

2021· article· en· W3196033429 sur OpenAlexvenueno aff
Alinoor Mohamed Farah, Tahir Yousuf Nour, Muse Obsiye, Mowlid Akil Aden, Omar Moeline Ali, Muktar Arab Hussein, Abdullahi Bedel Budul, Muktar Omer Omer, Fentabil Getnet

Notice bibliographique

RevueJMIR Formative Research · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSomaliLikert scaleCross-sectional studyPublic healthHealth careScale (ratio)MedicineFamily medicineEnvironmental healthPsychologyNursingGeographyEconomic growth

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: On March 13, 2020, Ethiopia reported the first confirmed case of COVID-19 in Addis Ababa. COVID-19 is likely to overwhelm an already-fragile health care delivery system and reduce the availability of essential health services. This analysis of data from the Somali Region of Eastern Ethiopia on health care workers' (HCWs) knowledge, attitudes, and practices regarding the prevention and control of COVID-19 may be used in planning health education programs about the emerging viral disease. OBJECTIVE: This study aimed to investigate the knowledge, attitudes, and practices of HCWs regarding COVID-19 infection. METHODS: This cross-sectional study was conducted among HCWs in three public health facilities in the Somali Region, Eastern Ethiopia. A self-administered questionnaire was shared with all HCWs working at the public health facilities. A total of 15 knowledge questions were scored as 1 or 0 for correct or incorrect responses, respectively. A total of 14 practice questions were scored on a 3-point scale from 1 ("always") to 3 ("never"). A total of six attitude questions were rated on a 5-point Likert scale, in a negative dimension, as follows: 1 ("strongly agree"), 2 ("agree"), 3 ("neutral"), 4 ("disagree"), and 5 ("strongly disagree"). Mean scores were calculated and used as a cut point to dichotomize the outcome variables (>13.7 indicated good knowledge, <18.8 indicated good practices, and ≤10.5 indicated favorable attitudes). We used t tests and analyses of variance (ie, F tests) to analyze the mean score differences of knowledge, attitudes, and practices between the independent variables. Spearman correlation was used to assess the relationship between mean knowledge and attitude scores. RESULTS: Of the 686 HCWs approached, a total of 434 HCWs responded (63.3% response rate). The mean age of the participants was 27.6 (SD 5.3) years, and the majority of the participants were male (293/434, 67.5%). The mean knowledge score was 13.7 (SD 2.6), and 73.3% (318/434) of participants had sufficient knowledge. The mean attitude score was 10.5 (SD 4.1), and 54.8% (238/434) of the participants had a good attitude toward COVID-19. The mean practice score was 18.8 (SD 5.8), and 61.5% (267/434) of the participants practiced precautionary measures to prevent COVID-19. There was a negative correlation between knowledge and attitude scores (r=-0.295, P<.001) and between knowledge and practice scores (r=-0.298, P<.001). CONCLUSIONS: The overall levels of knowledge and practice were relatively better than the attitude level. This highlights the need to implement strategies that enhance the positive attitudes and safe practices of the HCWs for better containment of the pandemic and supporting of essential health care services.

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)0,001
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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,464
Tête enseignante GPT0,619
Écart entre enseignants0,154 · 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

Citations15
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetCOVID-19 and Mental Health→Travaux en français237 207→