Effectiveness of safety-engineered devices in reducing sharp object injuries
Notice bibliographique
Résumé
BACKGROUND: Sharps injuries remain a common factor in occupational exposure of healthcare workers to blood-borne viruses. The extent to which the introduction of safety-engineered devices has been effective in reducing such injuries among healthcare workers is unclear. AIMS: To investigate the incidence of sharp object injury among healthcare workers in the Capital Health Region of Alberta, Canada and to determine the effectiveness of the introduction of safety- engineered devices in preventing these. METHODS: All reports of sharp object injuries to Capital Region Workplace Health and Safety offices from healthcare workers 2003-10 were analysed. Rates of sharp object injury were compared before (2006), during (2007-08) and after (2009-10) the introduction of safety-engineered devices, adjusting for other potential risk factors using Poisson regression and log-linear models. RESULTS: Between 2003 and 2010, a total of 4707 sharp object injuries were reported from 15 healthcare facilities. The sharp object injury rate per 1000 full-time equivalent employees per year declined from 35 before the introduction period to 30 during the introduction period (rate ratio [RR]: 0.88, 95% confidence interval [CI]: 0.78, 0.99) among most healthcare workers, but then rebounded again slightly after the intervention. Physician risks showed little change during the period of introduction (odds ratio [OR]: 0.99, 95% CI: 0.85, 1.14) but decreased significantly after the intervention (OR: 0.83, 95% CI: 0.71, 0.97). CONCLUSIONS: The introduction of safety-engineered devices was associated with a modest reduction in reported sharp object injuries but this appeared to be relatively short-lived for most workers.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».