5M Strategy for COVID-19 Prevention: A Case Study at Poltekkes Kemenkes Palu
Notice bibliographique
Résumé
This study aimed to implement 5M risk communication strategies to prevent COVID-19 at Poltekkes Kemenkes Palu.A cross-sectional design was utilized, and data was collected from 642 participants using a random sampling technique and Google forms distributed through social media.Variables measured included age, gender, status, ethnicity, religion, place of residence, monthly expenses, and risk prevention communication strategies such as wearing masks, washing hands, keeping distance, staying away from crowds, and reducing mobility.The data was analyzed using chi-square tests and binary logistic regression.Results revealed that wearing masks and staying away from crowds were the most significant factors in preventing COVID-19.Participants who never/rarely wore masks were 2.3 times more likely to be infected with COVID-19, while those who never/rarely stayed away from crowds were 2.8 times more likely to be infected.The age group of 40-60 years was identified as being the most at risk, and the study suggests that they should reduce crowds and always wear a mask.In conclusion, this study emphasizes the importance of implementing COVID-19 prevention risk communication at Poltekkes Kemenkes Palu.It provides valuable insights into the significant factors that can reduce the risk of COVID-19 infection, particularly the importance of wearing masks and staying away from crowds.The abstract does not have any major grammatical errors or logical inconsistencies.However, it could be improved by including a brief statement on the practical implications of the study's findings and the potential for future research.
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 | 0,003 | 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) | 0,000 | 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 ».