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 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 | 0,014 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».