Innovative Approaches to Improve Knowledge of Zoonoses among Wildlife Hunters and Traders in Epe, Lagos, Nigeria: A Community Action Network-Based Intervention
Notice bibliographique
Résumé
Abstract The West Africa One Health project is a multi-country project designed to utilise the One Health approach and deploy the Community Action Networks (CAN) to improve knowledge of high-risk communities on zoonoses. Majority of emerging zoonoses occur at the human-wildlife interface, of which wildlife hunters and traders are critical stakeholders. We assessed the effectiveness of a CAN-based intervention involving the use of a video documentary and case studies as model tools in improving the knowledge of zoonoses among wildlife hunters and traders in Epe, an established hunting community in Lagos State, Nigeria. A quasi-experimental study design involving a total of 39 consenting registered wildlife stakeholders was adopted. A pre-tested, semi-structured, interviewer-administered questionnaire was used to obtain data on the participant’s sociodemographic characteristics, awareness level, and knowledge of zoonoses pre and post CAN-based intervention. Data were analysed using descriptive statistics McNemar and Wilcoxon Signed Ranks tests at a 5% level of significance. The mean age of the participants was 46.7 ± 10.9 years. Most (76.9%) identified as male and had at least secondary education (89.7%). The number of participants who were aware that diseases could be contracted from animals and that it could be through inhalation and close contact increased significantly from 13 (33.3%), 2 (5.1%), and 9 (23.1%) pre-intervention to 37 (94.9 %), 11 (28.2%), and 21 (53.8%) post-intervention, respectively. The overall median knowledge score increased significantly from 1 (Interquartile range (IQR): 0 – 2) pre-intervention to 3 (IQR: 2 – 4) post-intervention. The CAN-based intervention involving the use of a video documentary and case studies as model tools was effective in improving the knowledge of zoonoses among wildlife hunters and traders in the hunting community and may be beneficial for future practice.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».