Sharp-Device Injuries to Hospital Staff Nurses in 4 Countries
Notice bibliographique
Résumé
OBJECTIVE: To compare sharp-device injury rates among hospital staff nurses in 4 Western countries. DESIGN: Cross-sectional survey. SETTING: Acute-care hospital nurses in the United States (Pennsylvania), Canada (Alberta, British Columbia, and Ontario), the United Kingdom (England and Scotland), and Germany. PARTICIPANTS: A total of 34,318 acute-care hospital staff nurses in 1998-1999. RESULTS: Survey-based rates of retrospectively-reported needlestick injuries in the previous year for medical-surgical unit nurses ranged from 146 injuries per 1,000 full-time equivalent positions (FTEs) in the US sample to 488 injuries per 1,000 FTEs in Germany. In the United States and Canada, very high rates of sharp-device injury among nurses working in the operating room and/or perioperative care were observed (255 and 569 injuries per 1,000 FTEs per year, respectively). Reported use of safety-engineered sharp devices was considerably lower in Germany and Canada than it was in the United States. Some variation in injury rates was seen across nursing specialties among North American nurses, mostly in line with the frequency of risky procedures in the nurses' work. CONCLUSIONS: Studies conducted in the United States over the past 15 years suggest that the rates of sharp-device injuries to front-line nurses have fallen over the past decade, probably at least in part because of increased awareness and adoption of safer technologies, suggesting that regulatory strategies have improved nurse safety. The much higher injury rate in Germany may be due to slow adoption of safety devices. Wider diffusion of safer technologies, as well as introduction and stronger enforcement of occupational safety and health regulations, are likely to decrease sharp-device injury rates in various countries even further.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».