Knowledge, Attitudes, and Practices Associated with COVID-19 Among Rickshaw Pullers of Dhaka, Bangladesh
Notice bibliographique
Résumé
Background: COVID-19 pandemic has brought a worldwide disaster, and Bangladesh also passes through so many challenges to face this unexpected suddenly arising health problem. On the other hand, rickshaw is the most common and a very convenient way of transport in Dhaka city. Dhaka’s 2 million rickshaw pullers are vital to urban transport, but they are socioeconomically vulnerable. We assessed the knowledge, attitude, and practice (KAP) of rickshaw pullers of Dhaka city regarding COVID-19. Methods: This descriptive cross-sectional study was conducted from 1st to 10th April 2021 among rickshaw pullers who came to Northern International Medical College and Hospital (NIMCH) with patients or passengers. Systematic random sampling was approached every 5th rickshaw puller during morning (06:00-09:00) and evening (17:00-20:00) peaks to select the study population, and the final sample size was 172. The knowledge, attitude, and practice (KAP) of rickshaw pullers regarding COVID-19 were assessed using 10, 5 and 4 questions respectively with a score of 1 for each correct or positive response and 0 for each incorrect or negative response. A score of ≥ 50% was considered good and a score of < 50% was considered poor. The data were analysed via SPSS (version 22.0). Results: In this study, the majority of the participants were 31-50 years of age (48.8%), married (79.1%), living with family members (58.7%) and Muslim (97.1%), while two-fifths (43.6%) could only sign their names. Almost all the participants (95.9%) learned about COVID-19 through television. Rickshaw pullers have poor level of knowledge (47.6% good & 52.4% poor), negative attitude (79.3%) and poor practice (43.8%) of safety protocols regarding COVID-19. Conclusions: The findings of our study suggest that rickshaw pullers have poor level of knowledge regarding COVID-19, and their attitude towards it is negative, and also they practice COVID-19 safety protocols poorly. Northern International Medical College Journal Vol. 14 No. 1-2 July 2022-January 2023, Page 628-632
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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».