P14 Knowledge, attitude and practices on antibiotic usage and resistance among people attending primary healthcare in Rwanda
Notice bibliographique
Résumé
Abstract Background Antimicrobial resistance (AMR) poses a global threat to public health, with Sub-Sahara African countries facing a substantial burden. Our study aimed to assess knowledge, attitude and awareness of antibiotic usage and resistance among people attending primary healthcare facilities in Rwanda. Methods The study was descriptive cross-sectional and proportionate stratified sampling was used to recruit 246 individuals who attended health centres in Kigali during October 2023. The study assessed the level of knowledge on antibiotic usage, knowledge on antimicrobial resistance, attitudes toward antibiotic accessibility and practices regarding the patient-prescriber relationship and infection prevention. The levels were calculated as proportions of correct answers and were grouped as poor (below 40%), moderate (from 40 and less than 70%) and high, good or positive (70% and higher). χ2 test was used find significance of associations between levels and age, gender and education. Results Most participants (87.40%) correctly identified Amoxicillin as an antibiotic while 57.72% wrongly identified Paracetamol as an antibiotic. Among participants, 3.2% had high knowledge on antibiotic usage, 20.7% had high knowledge on antimicrobial resistance, 32.9% had a positive attitude toward antibiotic accessibility and 39.4% had good practices regarding the patient-prescriber relationship and infection control. Male participants had significantly higher levels of positive attitude (P=0.003) and knowledge on antimicrobial resistance (P=0.047). Individuals with university education had significantly higher levels of positive attitude (P=0.007). Conclusions Limited levels of knowledge, attitude and practices on antibiotic usage and resistance were found, with women having lower levels in multiple aspects. Strategies to promote rational use of antibiotics ought to address social inequities.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».