Knowledge, attitudes, and practices toward COVID-19 among the general population: a cross-sectional study in Kankan, Guinea
Notice bibliographique
Résumé
Background: Implementing decisive and effective infection prevention and control measures necessitates a thorough grasp of the general population's level of knowledge in order to identify existing gaps and react appropriately. Objective: The goal of this cross-sectional research was to assess public knowledge, attitudes, and practices (KAP) about COVID-19 in Kankan Guinea, in order to better understand the socio-demographic factors that are associated with poor KAP. Materials and Methods: The study population consists of 1230 people who reside in five health districts in the Kankan region. An anonymous paper-based questionnaire, given face-toface by trained field agents, was used to gather data. Results: The research included 1230 Guineans in total. The bulk of respondents (60%) were familiar with COVID-19. Only 44% of respondents under the age of 29 had a clear understanding of COVID-19. Male participants knew more about COVID-19 than female ones (P=0.003). The majority of participants (82%) had negative attitudes toward COVID-19, while 61% reported positive practices linked to COVID-19 measures. In this research, being female was a risk factor for poor knowledge of COVID-19 (P0,001), and being single was a risk factor for negative attitudes toward COVID-19 (P=0,009). Conclusion: Appropriate measures should be taken to increase public awareness and improve general practice of preventive measures aimed at reducing the spread of infectious diseases such as 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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 ».