Knowledge, Attitudes, and Practices concerning Black Fungus during COVID-19 Pandemic among Students of Bangladesh: An Online-Based Cross-Sectional Survey
Notice bibliographique
Résumé
BACKGROUND: Infection with COVID-19 and its control entailing steroids and immunomodulatory medications disrupted normal immune function. The ensuing immunological disorder led to the rise of another infection-Black Fungus (Mucormycosis). However, the spread of Black Fungus can be minimized through proper knowledge, informed attitude, and conscious preventive practice. This study aimed to assess students' knowledge, attitude, and practice (KAP) regarding Black Fungus amid the COVID-19 pandemic in Bangladesh. METHODS: This cross-sectional study was carried out among Bangladeshi students from June to July 2021. Using Google Forms, an e-questionnaire was developed for this web-based survey, and the participants were selected through a snowball sampling approach. RESULTS: Out of the 2009 participants, more than half were female (53.5%), and the majority were at an age between 18 and 25 years (31.5%) and had received higher secondary (HSC) schooling (77.8%), while around 61% resided in urban areas. Findings revealed that most of the students (63.8%) spent around 2 h on electronic and social media to become informed about COVID-19 and Black Fungus. Approximately 33% of the students showed low KAP scores (32.9%), whereas around 26% had high KAP scores. Our results show a significant association between KAP and sex, schooling, living status, residence, and media exposure. CONCLUSION: The knowledge of Black Fungus considerably varies among Bangladeshi students considering the place of residence, age, sex, living arrangement, and media exposure. Policymakers should emphasize awareness among people focusing on the results of this study to increase deterrent attitudes and protective practices to minimize the risks of being infected.
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 | 0,002 |
| 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) | 0,003 | 0,001 |
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 ».