Public knowledge of food poisoning, risk perception and food safety practices in Saudi Arabia: A cross-sectional survey following foodborne botulism outbreak
Notice bibliographique
Résumé
To investigate food poisoning knowledge, risk perception and safe food handling practices among Saudi Arabian public following foodborne botulism outbreak. A cross-sectional survey targeting the Saudi Arabian public between May 6 to 20, 2024, following the first foodborne botulism outbreak. Infectious disease and public health experts developed survey questions according to Saudi Public Health Authority and Ministry of Health (MOH) guidelines, and distributed surveys through social media. Of 3779 participants, 73.1% were female and 50.1% were aged 18 to 24 years. Almost one-third (30.2%) reported a previous food poisoning experience, with an incidence of 71.7 cases per 1000 person years. The most common perceived source of FP was restaurants foods (80.3%). The overall knowledge score of the participants regarding food poisoning was 3.42 ± 1.57 out of 7. The mean food safety practice score was 3.70 ± 1.42 out of 9. Multivariable regression analysis showed individuals aged 35 years or older (β = 0.205, P < .001), those who were married (β = 0.204, P = .003), participants with previous (FP) experience (β = 0.089, P = .009), and those who relied on information from the Ministry of Health or medical publications regarding FP (P < .001) exhibited significantly higher practice scores than other groups. The least adherence to safe practices were noted among the following: routine use of thermometer during cooking (2.7%), avoidance of washing raw chicken (13.7%) and washing hands after using cellphone during cooking (26.1%). The FP knowledge score did not correlate significantly with practice score (P = .065). This study highlights the significant knowledge gaps and inadequate food safety practices among the public in Saudi Arabia. Although certain groups, including adults (>35 years), married individuals, and those with previous food poisoning experience, showed greater adherence to safe food handling practices, adherence to specific preventive measures remained generally low. These findings highlight the need for targeted educational initiatives and interventions to improve food safety awareness and practices across diverse demographic groups in Saudi Arabia. The integration of generative AI tools, such as ChatGPT, as a public resource for food poisoning information, presents a new opportunity, but it requires further research and development to ensure accuracy and reliability.
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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».