Knowledge, Attitudes, and Practice Toward Isolation Precautions Amongst Nurses and Auxiliary Nurses in Nemazee Hospital, Shiraz, Iran
Notice bibliographique
Résumé
Background: Understanding the factors influencing nurses’ compliance with infection prevention strategies can assist in reducing occupational infections. Objectives: We surveyed nurses and auxiliary nurses in Shiraz, Iran, to evaluate their knowledge, attitudes, and practice (KAP) towards isolation precautions (IP). Methods: A cross-sectional study was conducted in a teaching hospital in Shiraz, Iran, in 2019. A five-part self-administered questionnaire was used, addressing demographics and infection prevention knowledge; nine items on KAP towards standard precautions, five items on droplet precautions, six items about airborne precautions, and eight items about contact precautions. The independent sample t-test and Pearson correlation were performed. Results: The mean score of practice was lower than that of knowledge and attitude in all IP domains. Droplet precautions acquired lower KAP scores than other domains. There were significant positive correlations between KAP scores in all IP domains in nurses (P < 0.001) and auxiliary nurses, except for the correlation between knowledge and practice in terms of standard precautions (P = 0.099). In nurses, age significantly correlated with knowledge towards airborne precautions (P < 0.001) and with attitude regarding droplet precautions (P = 0.003). Nurses had significantly higher scores regarding knowledge (P = 0.037) and attitude (P = 0.009) towards standard precautions than auxiliary nurses. The persons who had previous training sessions presented a higher score of the practice dimension for droplet (P = 0.001), airborne (P = 0.011), and contact (P = 0.004) precautions. Conclusions: This study revealed a gap in Nemazee hospital nurses’ KAP towards IPs. Those responsible for infection prevention and control programs in Shiraz University of Medical Sciences must address this poor practice of nurses towards patient safety.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».