Exploring the awareness level of biomedical waste management: Case of Indian healthcare
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study aims to investigate the awareness level of Biomedical waste managements in healthcare facilities, and their perception among hospital waste management team, doctors, nurses, lab technicians and waste handlers in Northwest Delhi region in India. The study has been conducted through a questionnaire survey followed by the descriptive statistical analysis method. Questionnaire contains of 38 questions, where the first section deals with the hospital waste management team, the second section is for doctors, nurses and lab technicians, and the third section is for the waste handlers. Out of 311 respondents, there were 16 hospital waste management teams, 81 doctors, 92 nurses, 49 lab technicians and 73 waste handlers. It was surprising that only 40% (n=10) hospitals had any kind of waste treatment & disposal facility onsite, only 10% hospitals were using the latest technology and 60% hospitals shred the Biomedical waste before disposal. It was good to see that none of the hospital waste managements disposed the waste with general waste, and 40% of them were exhausting through government agencies and the remaining 60% were using private agencies to dispose the waste. Finally, all the hospitals maintained the record of waste generated. It is concluded that there was a lack of awareness about the biomedical waste generation, legislation and management among healthcare personnel, and they all needed regular audits and training programs at all levels, and a proper management starting from waste generation to its disposal at sites.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle