MétaCan
Menu
Retour à la cohorte
Enregistrement W2127574902 · doi:10.5539/gjhs.v8n3p245

Prevalence and Reporting of Needle Stick Injuries: A Survey of Surgery Team Members in Kermanshah University of Medical Sciences in 2012

2015· article· en· W2127574902 sur OpenAlexvenueno aff
Alireza Khatony, Alireza Abdi, Faranak Jafari, Kamran Vafaei

Notice bibliographique

RevueGlobal Journal of Health Science · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueInfection Control in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesStudent Research Committee, Tabriz University of Medical SciencesKermanshah University of Medical Sciences
Mots-clésMedicineDescriptive statisticsSAFERFamily medicineSurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Surgeons are one of the groups, most highly exposed to the risk of needle stick injuries at work. The present study aims to determine the prevalence and reporting of needle stick injuries during the first 6 months of 2012, in faculty surgeons affiliated to the Kermanshah University of Medical Sciences. METHODS: In a cross-sectional descriptive-analytical survey, 29 surgeons were studied based on the census method. A reliable and valid questionnaire was used as a research instrument to collect the data. Data was analyzed using SPSS v.16 and based on descriptive and inferential statistics. RESULTS: Among 29 recruited surgeons, 5 (17.2%) had needle stick injuries during the 6 months, only one of whom had followed the established guidelines about reporting and following treatment. The most common instrument causing injury was the suture needle (60%). Significant differences were found in both groups of the injured and non-injured in term of gender (X(2)=5.612, P= 0.003), and number of patients (Z= 2.40, P=0.016) and daily working hours (Z=2.85, P=0.04). CONCLUSIONS: In relation to the relatively high prevalence of needle stick injuries among the surgeons and their lack of reporting, it is suggested that the Safety Guidelines in the operating room are carefully observed. Moreover, safer and lower risk surgical Instruments should be used.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,172
Tête enseignante GPT0,428
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetInfection Control in HealthcareTravaux en français237 207