Accessing Healthcare Services during Lockdown in an African Semi-urban Community: Influence of the Knowledge of COVID-19
Notice bibliographique
Résumé
Aim: Since the covid-19 pandemic began, prevention and treatment services for non-communicable diseases have been significantly interrupted. This study assessed the influence of COVID-19 knowledge on using healthcare services during the lockdown in Nigeria. Methods: The study was a descriptive cross-sectional survey conducted in Ado-Odo Ota, local government areas, Ogun State, Nigeria using a structured questionnaire between January and February 2021. A multistage probability sampling technique was employed to collect data from 383 adults aged 20 – 60 years and the data were analyzed using IBM-SPSS version 25.0. Results: Although all respondents (100.0%) have heard of COVID-19, only 52.2% believed it was real. The respondents displayed poor overall knowledge of COVID-19 as only 32.1% were knowledgeable about it. Before the COVID-19 pandemic, 44.9% said they visited hospitals for treatment compared to 16.2% during the lockdown. The reasons for not using hospitals include the fear of taking a COVID-19 patient (38.4%) and buying medicines from pharmacies (33.9%). Those who used herbs constituted 20.6%, 15.4% could not afford service charges, 12.0% would pray or use spiritual materials instead, and 7.3% were afraid of being infected with the disease. Only 17.9% of those knowledgeable about COVID-19 would go to the hospital during the lockdown. Conclusion: Healthcare workers and the masses should be adequately trained on healthcare management during pandemics to avoid misconceptions about COVID-19. This will help improve access to healthcare services and promote wellbeing among the low-resource setting populations.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| 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) | 0,004 | 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 ».