Analysis of Occupational Infections among Health Care Workers in Limpopo Province of South Africa
Notice bibliographique
Résumé
OBJECTIVE: Occupational infections particularly hospital-acquired infections (HAIs) are a serious problem in the healthcare industry worldwide. This study purported to investigate their prevalence and risk factors among healthcare workers from Limpopo province of South Africa. METHODS: Cases about occupational infectious diseases of healthcare workers from Limpopo province that were submitted to the Compensation Commissioner from January 2006 to December 2009 were reviewed. RESULTS: The total number of cases of infectious diseases reported during the study period was 56; of these, 83.9% (47) of cases were for tuberculosis, 10.7% (6) for cholera, and 5.4% (3) for chickenpox. Nurses were the most affected. Risk factors associated with the acquisition of infection diseases were as follows. The majority of those infected were female (67.9%), aged over 40 years (57.1%), and who had worked for over 10 years (59.2%). With regard to length of time it took for one to be infected, overall it took 13.6±9.7 years from the year of employment to being infected. This duration was just 5.7±4.2 years in HCWs younger than 40 years versus 18.4±9.0 years in those 40 years and over (p=0.001); and 11.4±10.3 years in nurses versus 17.1±7.8 years in non-professional staff members (p=0.046). Mopani district, situated in a rural setting was the most affected as 24 of the 47 cases of tuberculosis occurred there. CONCLUSION: In conclusion, the most common occupational infection or hospital acquired infection among healthcare workers in Limpopo province of South Africa was tuberculosis. It infected mainly nurses from the rural health district of Mopani. Younger age and being a nurse were significant risk factors associated with being infected early.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».