Research in Health and Medical Sciences

en عوامل پیش بینی کننده اتخاذ رفتارهای پیشگیرانه کووید-19 در میان جمعیت شهری: کاربرد مدل PRECEDE Predictive Factors of Adopting Covid-19 Preventive Behaviors Among the Urban Population: An Application of The PRECEDE Model عمومى General مقدمه: بیماری‌های عفونی-تنفسی کووید 19 از بیماری های ویروسی نوپدید می باشد. به‌منظور پیشگیری از این بیماری، بررسی عوامل مرتبط با رفتارهای آن، ضروری است. هدف از انجام این مطالعه «تعیین عوامل پیش بینی کننده اتخاذ رفتارهای پیشگیرانه کووید-19 در میان جمعیت شهری XX  در سال 1400» بود.  روش: در این مطالعه توصیفی که در مراجعین به مراکز جامع سلامت شهر XX انجام گردید، حجم نمونه به احتساب ریزش نمونه‌ها 366 نفر وارد مطالعه شدند. ابزار مورد استفاده در این پژوهش پرسشنامه شامل دو بخش شامل اطلاعات دموگرافیک و پرسشنامه بر اساس سازههای مرحله سوم مدل پرسید، در قالب 41 گویه بود. تحلیل دادهها با نرم افزار SPSS(22) و با آزمونهای آماری انجام گردید.    یافته ها: نتایج نشان داد متغیرهای سن و شغل، ارتباط معناداری با سازه قادرکننده داشتند(05/0>P). همچنین ارتباط معناداری بین جنسیت، با سازه تقویت کننده را نشان داد(032/0=P). وضعیت تاهل، ارتباط معنی داری با سازه رفتاری داشت (044/0=P). متغیرهای سن، وضعیت تاهل، شغل و سطح تحصیلات ارتباط معنیداری با سازه نگرش داشتند(05/0>P). همچنین سطح تحصیلات ارتباط معنی داری با خودکارامدی داشت (05/0>P). نتایج نشان داد بین سازه رفتار و سازههای آگاهی (001/0>P، 30/0=r)، نگرش (001/0>P، 43/0=r)، خودکارآمدی (001/0>P، 26/0=r) و تقویت کننده (001/0>P، 26/0=r)، ارتباط معنیداری آماری وجود داشت. نتیجه گیری: نتایج این مطالعه نشان داد که آگاهی، نگرش و عملکرد زنان در سطح مطلوبی بود. با عنایت به نتایج بدست آمده در خصوص حمایتهای بایستی پررنگتر باشد تا بتوان با یک مدیریت صحیح زنجیره انتقال این بیماری را قطع کرد.   COVID-19 is an emerging viral disease. To prevent this disease, it is necessary to investigate the factors related to its behavior. The purpose of this study was to determine the factors related to COVID-19 based on the PRECED model in patients referred to health centers in Torbat Heydariyeh in 2021. This cross-sectional study was performed among 365 individuals who were referred to healthcare centers. Data were collected using a researcher-made questionnaire based on the PRECEDE model. Data analysis was done in SPSS, applying analysis of variance and linear regression tests. Moreover, a P-value of 0.05 was considered statistically significant. This study examined demographic characteristics and their impact on behavioral factors. The mean age of participants was 32.01 ± 9.81 years, with the majority being women (72%) and married (83%). The results showed that 46% of participants were aged between 18 and 30 years, and 35.5% were aged between 30 and 40 years. The highest scores were related to the constructs of knowledge and self-efficacy, with means of 90.61 ± 16.95 and 86.39 ± 19.39, respectively, while the lowest score was related to the enabling factor, with a mean of 59.98 ± 11.49. The Kolmogorov-Smirnov test confirmed the normal distribution of the data (P>0.05). Linear regression analysis indicated that knowledge, attitude, self-efficacy, and reinforcing factors were significant predictors of behavioral factors (P<0.05). Specifically, an increase of one unit in these factors resulted in increases of 0.15, 0.33, 0.16, and 0.34 in behavioral factors, respectively. These variables were able to predict 27% of behavioral changes. The results of this study showed that women's knowledge, attitude, and practice were at a desirable level. Moreover, social support, provision of facilities and health services, and the cooperation of organizations should increase with the help of proper management to break the disease's transmission chain. COVID-19, مدل Precede, رفتار انسانی COVID-19, PRECEDE model, Human Behavior 74 83 http://jrhms.thums.ac.ir/browse.php?a_code=A-10-139-1&slc_lang=en&sid=1 Asma Rashki kemmak a.raashki@gmail.com 10031947532846001117 10031947532846001117 No Department of Public Health, School of Health, Torbat Heydariyeh University of Medical Sciences, Torbat Heydariyeh, Iran Hashem Heshmati heshmatih1@thums.ac.ir 10031947532846001118 10031947532846001118 No Department of Public Health, School of Health, Torbat Heydariyeh University of Medical Sciences, Torbat Heydariyeh, Iran Maryam Tatari maryamtatary@yahoo.com 10031947532846001119 10031947532846001119 No Health Sciences Research Center, Torbat Heydariyeh University of Medical Sciences, Torbat Heydariyeh, Iran Marjan Ghafouri majanghafouri@thums.ac.ir 10031947532846001120 10031947532846001120 No Student Research Committee, Torbat Heydariyeh University of Medical Sciences, Torbat Heydariyeh, Iran Hadi Alizadeh siuki hadializadeh612@gmail.com 10031947532846001121 10031947532846001121 Yes Health Sciences Research Center, Torbat Heydariyeh University of Medical Sciences, Torbat Heydariyeh, Iran