MétaCan
Menu
Retour à la cohorte
Enregistrement W3209469784 · doi:10.5864/d2021-016

Overview of common infection prevention and control infractions and complaints in personal service settings in Ontario in 2018: a descriptive analysis

2021· article· en· W3209469784 sur OpenAlexafffundvenueabout
Katherine Paphitis, David Ryding, Colin MacDougall, Sandra Callery, Barbara Catt, Gary Garber

Notice bibliographique

RevueEnvironmental Health Review · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueDigital Imaging in Medicine
Établissements canadiensOttawa HospitalUniversity of OttawaPublic Health Ontario
Organismes subventionnairesGovernment of Ontario
Mots-clésInfection controlMedicineCompliance (psychology)Control (management)Personal protective equipmentService (business)Environmental healthPsychologyBusinessMarketingSurgeryComputer sciencePathologySocial psychologyDisease

Résumé

récupéré en direct d'OpenAlex

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,163
Score d'incertitude au seuil0,328

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,043
Tête enseignante GPT0,343
Écart entre enseignants0,300 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2021
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueEnvironmental Health ReviewMême sujetDigital Imaging in MedicineTravaux en français237 207