Implementation of a Multimodal Multicentre Hand Hygiene Study: Evidence From Bangladesh Hospitals
Notice bibliographique
Résumé
INTRODUCTION: Hand hygiene (HH), one of the most important preventive measures of Healthcare-associated infections (HCAIs), is often neglected by healthcare workers (HCWs) in low and middle-income countries (LMICs). PURPOSE: The purpose of the study is to assess the role of a multimodal intervention (MMI) for enhancing hand hygiene compliance (HHC) of HCWs in a resource-limited setting. METHODOLOGY: A pretest-posttest quasi-experimental study was conducted in five hospitals of Bangladesh where 984 HCWs (342 physicians and 642 nurses) were selected purposively. Using a structured checklist, a direct observational assessment was carried out on HCWs’ HHC both before and after the intervention. The MMI provided to HCWs comprised of: (i) system change, (ii) educational intervention, (iii) visual reminders, (iv) monitoring and performance feedback and (v) formation of infection control committees. RESULTS: Following intervention, overall HH compliance before and after patient contact significantly increased (p<0.00) to 50.1% and 57.2% respectively across all hospitals, professional categories and activities. Nurses were more compliant to HH than physicians (OR = 1.1, 95% CI: 1.0-1.3, P < 0.01) after patient contacts. However, both groups showed equal HHC (OR = 1, CI: 0.9-1.1, P = 0.72) before patient contacts. HCWs of private hospitals were 1.5 times more compliant to HHC than that of public hospitals. CONCLUSIONS: This study denotes that despite national policies on hand hygiene in Bangladesh, HCW’s compliance to HH is poor. Study findings also illustrate that a multimodal HH program resulted in significant improvement in HCWs’ HHC that deserves the potentials to assist the advancement of infection control practices targeting reduction of HCAIs.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».