Knowledge, attitude, and practice of pesticide use by vegetable growers in Bangladesh: a health literacy perspective in relation to non-communicable diseases
Notice bibliographique
Résumé
Pesticides are widely used by vegetable growers in Bangladesh, however the health consequences of these chemicals in relation to non-communicable diseases (NCDs) is largely unknown. NCDs have emerged as a major health concern in recent decades and cause deaths, chronic illnesses, and psychosomatic suffering for people worldwide. In Bangladesh, a lack of health literacy among other reasons contributes to the occurrence and prevalence of NCDs. This study interprets and evaluates the status of key health literacy forming components, such as knowledge, attitude, and practices (KAP) of vegetable growers with respect to the use of pesticides. The study was carried out in six districts of Bangladesh. A multistage sampling procedure was used to obtain a survey sample of 334 farmers who grow vegetables and use pesticides. The results revealed that the level of knowledge of the farmers is poor. They are also not very aware of the relationship between pesticide use and potential vulnerability to NCDs. Such knowledge, along with attitude and practices developed through long-held beliefs and perceptions are not helpful for the safe and appropriate use and application of pesticides. To redress such KAP situations among vegetable growers, we posit that policy actors and stakeholders across public health and agricultural sectors, and developmental agencies must strive to improve health literacy in terms of KAP. Large-scale programmatic interventions in the knowledge, attitude, and practices of vegetable growers through training, education, or mass promotion could enhance their literacy and diminish the unabated use of pesticides.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».