Perceptions of COVID-19 transmission risk and testing readiness in rural Southwest Nigeria
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Although community screening and testing have been recommended by the World Health Organization, the extent of readiness and the associated factors among rural populations remain unknown. We investigated the factors associated with perception of the COVID-19 transmission risk and readiness for testing in rural areas of Southwest Nigeria. Using a multistage cluster sampling technique, cross-sectional data was collected from 922 adults aged 18 years and above who were resident in rural communities selected across three States in the Southwest region between June and August 2020. Descriptive statistics and binary logit models with robust standard errors were utilized for analysis. Mean age of respondents was 37.0 (SD = 15.8) years; 58.6% female; 46.5% had secondary education; and most were traders (33.2%) and artisans (29.9%). Only 149 respondents (16.2%) had a accurate perception of COVID-19 transmission risk. Adjusted logit models showed that independent factors associated with accurate perception of COVID-19 transmission risk include: age 18&19 years (OR = 0.50, CI: 0.34-0.73); exposure to electronic media (OR = 1.84, CI: 1.07-3.18); and being an in-migrant (OR = 3.38, CI: 2.44-4.68). Less than one-third (28.8%) were willing to test for COVID-19. Severe fear of COVID-19 (OR = 3.99, CI: 1.36-11.74) was associated with willingness to undergo COVID-19 testing. Socio-demographic predictors of testing readiness included: male sex (OR = 1.51, CI: 1.36-1.68); traditional religion (OR = 2.81, CI: 1.05-7.53); and exposure to electronic media (OR = 1.31, CI: 1.06-1.62). Awareness campaigns need to be scaled up to improve perception and preparedness to test for COVID-19.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle