Perceived Risk and Associated Factors towards COVID-19 infection among the residents of Ondo State, Southwest Nigeria
Notice bibliographique
Résumé
BackgroundPerceived risk is an important factor in understanding why and how a population adopts health-prevention interventions. When diseases are perceived as low-risk, motivation to use and adhere to prevention interventions is low, which can aid the spread of highly infectious diseases such as COVID-19. In this study, we assessed risk perception and its associated factors towards COVID-19 infection among the residents of Ondo State, southwest Nigeria. MethodsA community-based, cross-sectional study design using a multi-stage sampling technique was used to recruit 593 heads of households in three local government areas (LGA) in Ondo State. Data were collected using an interviewer-administered questionnaire which captured information on sociodemographic variables, knowledge of COVID-19 prevention, COVID-19 infection prevention and control practices, and risk perception from September 1 to 30, 2021. ResultsThe respondents were mostly males 357 (60.2%). The mean age of respondents was 37.5±14.7 years with 409 (69%) between the age group of 20 to 40 years. Slightly more than one quarter of respondents were civil servants and 78.4% were of Yoruba ethnicity. More than three quarters, 522 (88%), of the respondents had good knowledge of COVID-19 and its preventive measures. The mean risk perception score was 49.0±12.1. Respondents who were civil servants, had good knowledge of COVID-19 and its preventive measures, had lower household income, and were of Yoruba ethnicity had significantly higher risk perception towards COVID-19 infection compared to other groups. Higher risk perception was associated with preventive measures, such as handwashing. ConclusionOur study shows a high-risk perception towards COVID-19 infection among residents in Ondo state, Nigeria. However, there were significant differences between varying knowledge levels, ethnic groups and civil versus non-civil servants. In view of this, we recommend intensified risk communication interventions targeting these groups to improve their risk perception to change health-protective behaviour towards COVID-19 infection.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 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 ».