Knowledge, Attitude and Practice towards COVID-19 Vaccination among adults of Sullia Taluk in Dakshin Kannada District of Karnataka- A Community based Survey)
Notice bibliographique
Résumé
Background: Vaccination programs for corona virus disease (COVID-19) were initiated globally in a record time unparalleled in the history of immunisation. Thus the community's and perceptions towards COVID-19 vaccinations are poorly understood. This study thus aimed to investigate community knowledge, attitudes and practices towards COVID-19 vaccinations in Sullia Taluk of Dakshin Kannada. Methods: An exploratory and anonymous population- based survey was conducted among 600 general individuals (58.17% male; 41.83% female). The survey was conducted using a validated self- administered questionnaire containing a set of questions pertaining to knowledge, attitudes, and practices. Multiple linear regression was performed to determine the variables predicting knowledge, and attitudes towards COVID-19 vaccinations. Results: The mean scores of knowledges and attitudes were 2.73±1.48 and 9.44±2.39 respectively. About a quarter of participants thought that the COVID-19 vaccination available in India is safe, 60% reported that they will continue to have further vaccinations if necessary. About 54% reported recommending it to family and friends. Regression analysis revealed that higher SES, university/ higher levels of education, nuclear families and those with a previous history of essential vaccines uptake were associated with a higher knowledge score; whilst attitudes were significantly associated to gender and previous history of essential vaccines uptake. Just over half of the participants(54%) thought that everyone should be vaccinated. A majority of the population 72.17% population reported vaccine should be administered free of cost in India. Keywords:- Covid Vaccination; Survey; Karnatak.
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 | 0,012 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,008 |
| Science ouverte | 0,003 | 0,005 |
| 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 ».