Food safety knowledge, attitudes, practices, and associated factors: A cross-sectional survey of Nepalese consumers
Notice bibliographique
Résumé
Foodborne illnesses remain a significant public health concern in low- and middle-income countries like Nepal. This study assessed the knowledge, attitudes, and practices (KAP) of Nepalese consumers regarding food safety and identified associated sociodemographic factors. A cross-sectional online survey was conducted among 620 participants using a structured questionnaire comprising 60 KAP-related questions. Logistic regression analyses were used to explore associations between KAP scores and participants' characteristics. The median scores for each knowledge, attitudes, and practices domain were 18/20 (90 %), 16/20 (80 %), and 13/20 (65 %), respectively. In the multivariable logistic regression analysis, education level was significantly associated with knowledge and attitudes domains: knowledge ( p < 0.001) and attitudes ( p < 0.001), with participants holding higher education generally more likely to report appropriate food safety knowledge and attitudes. However, practices related to food safety were not associated with the level of education. Gender was significantly associated with food safety practices ( p = 0.012), and male participants had 36 % lower odds of having a good practices level compared to female participants (OR=0.64; 95 % CI: 0.45–0.91). Overall, despite demonstrating better knowledge and attitudes, participants in our study exhibited a comparatively lower levels of practices. This finding indicates a substantial gap between KAP domains, highlighting the need for targeted public health interventions, behavior-focused education, and gender-sensitive strategies to improve food safety practices and reduce the burden of foodborne diseases in Nepal.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».