Overview of common infection prevention and control infractions and complaints in personal service settings in Ontario in 2018: a descriptive analysis
Notice bibliographique
Résumé
Objectives Aesthetic services can pose a potential risk of infection to clients if instruments are not discarded or reprocessed after each use. Public health inspectors (PHIs) inspect personal service settings (PSS) to monitor compliance with infection prevention and control (IPAC) requirements. This study aimed to assess the prevalence of various IPAC infractions in Ontario PSS that were identified during routine compliance inspections and whether these were similar to those identified during investigations in these settings in which an IPAC lapse was deemed to exist. Methods PSS inspection results were analyzed from three public health units (PHUs) in Ontario in 2018. Premises were grouped into three premises types (hairdressing/barbering, aesthetics, and body modification) and infractions from 16 IPAC compliance categories were compared. Results of IPAC lapse investigations for all of Ontario were also compared across premises types. Results There were 5,386 inspections conducted in 4,483 PSS by three PHUs in 2018. PSS offering aesthetics were most likely to have infractions identified. Common infractions were related to inappropriate reuse of single-use and reusable instruments. Of the 121 IPAC lapses reported by PHUs in 2018, 52 (43.0%) were in PSS, and 73.1% of these were associated with nail salons/spas. Conclusions Operators could benefit from increased awareness of infection control best practices and the potential for infections to occur if these are not followed. PHIs could consider an alternate frequency of PSS inspection to increase operator education and compliance with minimum IPAC requirements.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».