Attitude and Practices of self-medication among the students of Sialkot Medical College, Sialkot
Notice bibliographique
Résumé
Background: self-medication is becoming increasingly prevalent in our daily lives, yet it is a dangerous and harmful activity. Aim: To determine the prevalence and knowledge of self-medication among the medical students of Sialkot Medical College. Methods: A descriptive study in which total sample of 500 medical students were approached. Only, 349 students had filled the questionnaire. Regarding sampling technique, all the students currently enrolled in MBBS from session 2018 to 2022 of SMC were included. Data was collected using self-structured questionnaire. Data was analyzed using SPSS version 25. Results: Self-medication was found to be 83.8% during the last 1 year. Most commonly used medications include analgesic 73.2%, antibiotics 36.6%, gastric acidity medication 25.5%, anti-emetics and antitussives. Commonly experienced symptoms include; headache (73.6%), fever and flu (58%), cough (30.9%), gastric acidity (24.8%) and others. Source of information include family and friends (56.1%), medical text books (18.2%), internet (11.5%) and others. About 46.2% students felt that problem was not serious to consult a physician and 29% reported personal convenience. Conclusion: Prevalence of self-medication was high among the undergraduate university students of Sialkot Medical College, Sialkot. Keywords: Self-medication, prevalence, attitude
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 | 0,002 |
| 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 | 0,000 | 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) | 0,002 | 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 ».