MétaCan
Menu
Retour à la cohorte
Enregistrement W2991388293 · doi:10.21608/asnj.2019.61136

Hand Skin Problems: Prevalence and Risk Factors Among Nurses Working at Surgical Departments in Ministry of Health Hospitals

2019· article· en· W2991388293 sur OpenAlexaboutno aff
Hebatullah Fargly

Notice bibliographique

RevueAssiut Scientific Nursing Journal · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueContact Dermatitis and Allergies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChristian ministryMedicineGovernment (linguistics)Health careNursingFamily medicineSample (material)Quarter (Canadian coin)Cross-sectional study

Résumé

récupéré en direct d'OpenAlex

Background: Hand skin problems are widespread problems among health care members especially nurses.Aims: to determine the prevalence and risk factors of hand skin problems among nurses who are working at surgical departments in Ministry of Health Hospitals. Design: Descriptive cross-sectional study. Setting: This study was carried out at three ministry health hospitals in Assiut government: Al-Eman, Al-Shamlaa and Ophthalmology Hospitals. Sample: A purposive sample of 200 nurses working in surgical and operating room departments at Assiut ministry of health hospitals. Tool: A structured self-administrator’s questionnaire, included demographic characteristic of nurses, history about hand skin problems and risk factors for hand skin problems. Results: More than one third of nurses working from 40-45 hours weekly. More than one quarter of nurses were having hand skin problems and 11.5 % were complaining from hand skin problems less than one year ago. Majority of nurses had a satisfactory level of knowledge about risk factors of hand skin problems. Repeated hand washing is most common risk factors of hand skin problem. Conclusion and Recommendations: About aquarter of nurses have hand skin problems and some of them complained from hand skin problems less than one year ago. Efforts to improve skin condition must focus on improving products and identifying any interactive effects between hand care products and glove materials and brands.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,017
Score d'incertitude au seuil0,492

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,286
Écart entre enseignants0,271 · 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 tête enseignante, 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAssiut Scientific Nursing JournalMême sujetContact Dermatitis and AllergiesTravaux en français237 207