Perceived impact of COVID-19 lockdown on access to healthcare services, food affordability and family income among married patients of a resource-limited primary care setting
Notice bibliographique
Résumé
Objective: To examine the perceived impact of COVID-19 lockdown on access to healthcare services, food affordability, and family income during the first phase of the pandemic among married people of a resource-limited primary care setting in Kano, Nigeria. Methods: This survey involved 432 married respondents systematically selected from attendees of a primary care clinic in Kano, Nigeria, using a structured questionnaire. Results: Over half (53.5%) of respondents or their family members fell ill during the lockdown; 67.1% felt it difficult to access hospital treatment, while 32.9% sick patients resorted to self-medication. Over half (57.2%) could afford food as they used to, 75.0% reported that food items were costly, while 35.9% received government assistance. Only 29.9% had employment, of which 49.6% received a salary, while 29.5% had their salaries reduced. Educational level was significantly associated with ease of accessing healthcare services (χ2 =8.528, P=0.014). Age (χ2=12.209, P<0.001), family type (χ2 =12.943, P<0.001), home location in Kano state (χ2= 15.397, P<0.001) and family headcount (χ2=3.968, P=0.044) were significantly associated with perceived food affordability. Conclusions: This study demonstrated the negative impact of the lockdown on healthcare access, food affordability, and family income among respondents’ families. This suggests the need for more investments in promoting and scaling up telemedicine services as platforms for accessing healthcare, which could be utilized in similar future events. More studies will be needed to ascertain the complete picture of the implementation of social assistance in the study area to enhance planning and distribution of future government social assistance.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».