MétaCan
Menu
Retour à la cohorte
Enregistrement W4404822053 · doi:10.1080/19338244.2024.2432976

Perceptions on pesticides: Knowledge, attitudes and practices of residents in Trinidad and Tobago

2024· article· en· W4404822053 sur OpenAlexaff
Delezia Singh, Vrijesh Tripathi, H. Mokdad Ali, Luke Rostant, J. Jayaraj, Adesh Ramsubhag, Terry Mohammed, Azad Mohammed

Notice bibliographique

RevueArchives of Environmental & Occupational Health · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePesticide Exposure and Toxicity
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésPerceptionEnvironmental healthPesticideGeographyPsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Extensive pesticide use in Trinidad and Tobago (T&T) raises concerns for human and environmental health. Therefore, this study sought to assess the general knowledge, attitudes and practices of T&T residents on pesticides and related topics. Using convenience (non-probability) sampling, a questionnaire was administered to residents of Trinidad (N = 572) and Tobago (N = 68). Most respondents (93.44%) had insufficient knowledge on pesticides and application protocols but had supportive attitudes (95.94%) that acknowledged pesticides as harmful, and positive perceptions toward eco-friendlier approaches (IPM, organic farming). Poor practices (97.5%) were prominent, including heavy pesticide reliance (>70.0%), no PPE during pesticide handling (48.76%) and minimal use of IPM (15.31%) and biocontrol (12.50%). User knowledge gaps and malpractices can inform local state entities in designing effective public outreach initiatives for promoting adoption of safer pest management practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,119
Score d'incertitude au seuil0,142

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,345
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchives of Environmental & Occupational HealthMême sujetPesticide Exposure and ToxicityTravaux en français237 207