Acceptability of the social uses of the COVID-19 screening test among women in southern Benin
Notice bibliographique
Résumé
Background: Screening tests are some of the essential measures in the fight against all diseases with epidemic potential. The refusal to use it is the major challenge that hinders this fight. Aim: This article aims to highlight the factors for the rejection of the COVID-19 screening test among women in the informal sector in Benin. Setting: The data were collected in southern Benin. Methods: A cross-sectional approach was used to collect data in two areas (intervention area and buffer zone). The sample was drawn using a two-stage random sampling design. In the first stage, primary sampling units or clusters or villages or neighbourhoods were drawn, and in the second stage, 40 households were selected by primary sampling units. Overall, 2500 households per area in which about 2500 women aged 15-64 years were interviewed. Descriptive and explanatory analyses were carried out. Results: The results show that a strong majority (84.2%) of respondents showed aversion to the COVID-19 screening test. Individual factors (age, level of education, religion) and contextual factors (sectors and types of activities of the respondents) are the main reasons behind this refusal. Conclusion: Insufficient consideration of local contexts around health emergencies, infodemia and social inequalities in health have contributed to aversion to the COVID-19 screening test. Contribution: The results call on public authorities to support a constant improvement of knowledge on COVID-19 taking into account local approaches to facilitate the adherence of populations to the screening test.
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 | 0,019 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».