A Randomized Controlled Trial to Prevent Patient Lift and Transfer Injuries of Health Care Workers
Notice bibliographique
Résumé
STUDY DESIGN: Randomized controlled trial (RCT). OBJECTIVES: To compare the effectiveness of training and equipment to reduce musculoskeletal injuries, increase comfort, and reduce physical demands on staff performing patient lifts and transfers at a large acute care hospital. SUMMARY OF BACKGROUND DATA: Back injury to nursing staff during patient handling tasks is a major issue in health care. The value of mechanical assistive devices in reducing injuries to these workers is unclear. METHODS: This three-armed RCT consisted of a "control arm," a "safe lifting" arm, and a "no strenuous lifting" arm. A medical, surgical, and rehabilitation ward were each randomly assigned to each arm. Both intervention arms received intensive training in back care, patient assessment, and handling techniques. Hence, the "safe lifting" arm used improved patient handling techniques using manual equipment, whereas the "no strenuous lifting" arm aimed to eliminate manual patient handling through use of additional mechanical and other assistive equipment. RESULTS: Frequency of manual patient handling tasks was significantly decreased on the "no strenuous lifting" arm. Self-perceived work fatigue, back and shoulder pain, safety, and frequency and intensity of physical discomfort associated with patient handling tasks were improved on both intervention arms, but staff on the mechanical equipment arm showed greater improvements. Musculoskeletal injury rates were not significantly altered. CONCLUSIONS: The "no strenuous lifting" program, which combined training with assured availability of mechanical and other assistive patient handling equipment, most effectively improved comfort with patient handling, decreased staff fatigue, and decreased physical demands. The fact that injury rates were not statistically significantly reduced may reflect the less sensitive nature of this indicator compared with the subjective indicators.
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,001 |
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 ».