Community-level impacts of the coronavirus pandemic on malaria prevention and health-seeking behaviours in rural Benin: A mixed methods study
Notice bibliographique
Résumé
Globally, negative impacts of the COVID-19 pandemic on malaria prevention and control efforts have been caused by delayed distributions of long-lasting insecticidal nets (LLIN), decreased outpatient attendance, and disruptions to malaria testing and treatment. Using a mixed methods approach, we aimed to evaluate the impact of COVID-19 on community-level malaria prevention and health-seeking practices in Benin more than one year after the start of the COVID-19 pandemic. We collected data through community-based cross-sectional surveys with 4200 households and ten focus group discussions (FGDs). Mixed effect logistic regression models accounting for a clustered sampling design were used to identify variables associated with main outcomes (good COVID-19 knowledge, LLIN usage and access, and avoidance of health centres). Consistent with the experiences of FGD participants, receiving information from radios or televisions was significantly associated with good COVID-19 knowledge and avoiding health centres because of the pandemic (p<0.001 for both). Qualitative findings also revealed varying and polarizing changes in health-seeking behaviours with participants noting that they either did not change their health-seeking behaviours or went to health centres less or more often because of the pandemic. LLIN usage and access did not decrease in the study area because of the pandemic (LLIN usage: 88% in 2019 to 99.9% in 2021; LLIN access: 62% in 2019 to 73% in 2021). An unexpected change and unintended challenge for sustained malaria prevention included families socially distancing in their homes, resulting in a shortage of LLINs. Our findings showed that there were minimal community-level impacts of the coronavirus pandemic on malaria prevention and health seeking behaviours in rural Benin, which highlights the importance of efforts to sustain malaria prevention and control interventions in the context of the COVID-19 pandemic.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».