Improving WASH facilities and practices in Bangladeshi schools: progress and challenges from 2014 to 2018
Notice bibliographique
Résumé
BACKGROUND: In low- and middle-income countries like Bangladesh, inadequate water, sanitation, and hygiene (WASH) practices lead to a higher disease burden among children and hinder their academic performance. However, there have been efforts to improve WASH between 2014 and 2018. OBJECTIVES: The study aimed to investigate changes in WASH facilities and practices in Bangladeshi schools from 2014 to 2018. METHODS: We analyzed pooled data from Bangladesh National Hygiene Survey 2014 and 2018. We performed descriptive analysis, bivariate analysis, and multivariate Generalized Estimating Equation (GEE) to analyze the changes over the four years time period. RESULTS: Results showed that basic drinking water services increased from 78% in 2014 to 90% in 2018. Schools showed a significant increase in basic sanitation services from 19% in 2014 to 52% in 2018. We discovered that students' access to water and soap increased from 2014 to 2018, from 21% to 35%. In the GEE model, we found that change in time, non govt urban schools were associated factors with improved basic drinking water services. For basic sanitation services, changes in time, school type and area type were significantly associated higher services. And for basic hygiene services, the associated factors were: schools having hygiene promotion visits, and availability of hygiene brigades at schools managed by students. CONCLUSION: WASH services in Bangladeshi schools have improved significantly, yet disparities exist, particularly in government and rural schools. Although students' knowledge improved, their practices still need improvements through training on proper WASH 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 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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».