Knowledge, attitude and practice regarding biomedical waste management amongst healthcare workers in a teaching hospital from a north eastern state of India
Notice bibliographique
Résumé
Background: Bio-medical waste (BMW) means any waste, which is generated during the diagnosis, treatment or immunization of human beings or animals or in research activities or in the production or testing of biological or in any health camp activities. Proper management of BMW ensures protection of public health and environment against any adverse effect associated with such waste materials. Several studies have reported that health care workers lack adequate level of awareness and right attitude regarding proper BMW management which ultimately reflects as incorrect practice of handling and disposal of bio medical waste. This study aimed to assess the knowledge, attitude and practices of healthcare workers regarding bio-medical waste management.Methods: This study was conducted at Tomo Riba Institute of Health and Medical Sciences (TRIHMS), Arunachal Pradesh, India. Hospital based cross sectional study was conducted and questionnaire were administered to 313 healthcare workers of TRIHMS who consented to participate in the study. A predesigned questionnaire for knowledge, attitude and practice study was used for data collection. Data was analysed using Microsoft Excel and STATA 13.Results: Study results show that the average knowledge score was highest amongst nurses (10±2.6) and least in class IV staffs (7.2±1.9). Amongst all participants laboratory technicians were mostly average or poor on the attitude score. Overall only 23 percent (n=73) of the healthcare workers were found to be performing good BMW management practice.Conclusions: Our study revealed that there is significant variation in knowledge, attitude, and practice regarding biomedical waste management among healthcare workers.
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 | 0,003 | 0,001 |
| 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 ».