MétaCan
Menu
← Retour à la cohorte
Enregistrement W4214841787 · doi:10.5539/gjhs.v14n3p108

An Observational Study on Barbers’ Practices and Associated Health Hazard in Fiji

2022· article· en· W4214841787 sur OpenAlexvenueno aff
Dip Chand, Masoud Mohammadnezhad, Sabiha Khan

Notice bibliographique

RevueGlobal Journal of Health Science · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Safety Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésObservational studyMedicineChecklistEnvironmental healthPopulationCross-sectional studyFamily medicinePathologyPsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The barbers’ work is associated to many infectious diseases which lead to major cause of morbidity and mortality in human’s population globally. This study aimed to determine barbers’ practices and health hazards associated with their profession in Fiji. MATERIALS & METHODS: A cross sectional quantitative study was conducted to collect data from 50 observational sessions among barbers in Suva, Fiji in 2020. A sample of 25 barbers were randomly selected to participate in this study. A checklist was used to record and collect data. Out of the 25 barbershops observed none of them carried out any form of sterilization. RESULTS: Only 4 (16%) did some form of disinfection with home bleach and savalon randomly while 84% did not have any form of decontamination in place. The results further illustrate that 22 (88%) of the disinfection were not potent while 3 (12%) were unknown. Similarly, 22 (88%) had inappropriate methods of disinfection and 3 (12%) were questionable. None of the barbershops observed had supply of hot water and only 15 (60%) had sufficient privy and hand washing facilities. Furthermore, only 6 (24%) used PPEs compared to 19 (76%) were in non-compliance. CONCLUSION: This finding calls for immediate attention of authorities to enforce relevant laws and create awareness and training to improve standards in barbering profession.

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)0,002
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 enseignants0,028
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,404
Tête enseignante GPT0,611
Écart entre enseignants0,207 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health Science→Même sujetOccupational Health and Safety Research→Travaux en français237 207→