Emergency department impaired adherence to personal protective equipment donning and doffing protocols during the COVID-19 pandemic
Notice bibliographique
Résumé
OBJECTIVES: Coronavirus Disease 2019 (COVID-19) is a highly infectious viral pandemic that has claimed the lives of millions. Personal protective equipment (PPE) may reduce the risk of transmission for health care workers (HCWs), especially in the emergency setting. This study aimed to compare the adherence to PPE donning and doffing protocols in the Emergency Department (ED) vs designated COVID-19 wards and score adherence according to the steps in our protocol. DESIGN: Prior to managing COVID-19 patients, mandatory PPE training was undertaken for all HCWs. HCWs were observed donning or doffing COVID-19 restricted areas. SETTING: Donning and doffing was observed in COVID-19 designated Emergency department and compared to COVID-19 positive wards. PARTICIPANTS: All HCWs working in the aforementioned wards during the time of observation. RESULTS: We observed 107 donning and doffing procedures (30 were observed in the ED). 50% HCWs observed donned PPE correctly and 37% doffed correctly. The ED had a significantly lower mean donning score (ED: 78%, Internal: 95% ICU: 96%, p < 0.001); and a significantly lower mean doffing score (ED: 72%, Internal: 85% ICU: 91%, p = 0.02). CONCLUSIONS: As hypothesized, HCWs assigned to the designated ED wing made more protocol deviations compared with HCWs positive COVID-19 wards. Time management, acuity, lack of personnel, stress and known COVID-19 status may explain the lesser adherence to donning and doffing protocols. Further studies to assess the correlation between protocol deviations in use of PPE and morbidity as well as improvement implementations are required. Resources should be invested to ensure PPE is properly used.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».