Improving water, sanitation, and hygiene (WASH), with a focus on hand hygiene, globally for community mitigation of COVID-19
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Continuity of key water, sanitation, and hygiene (WASH) infrastructure and WASH practices-for example, hand hygiene-are among several critical community preventive and mitigation measures to reduce transmission of infectious diseases, including COVID-19 and other respiratory diseases. WASH guidance for COVID-19 prevention may combine existing WASH standards and new COVID-19 guidance. Many existing WASH tools can also be modified for targeted WASH assessments during the COVID-19 pandemic. We partnered with local organizations to develop and deploy tools to assess WASH conditions and practices and subsequently implement, monitor, and evaluate WASH interventions to mitigate COVID-19 in low- and middle-income countries in Latin America and the Caribbean and Africa, focusing on healthcare, community institution, and household settings and hand hygiene specifically. Employing mixed-methods assessments, we observed gaps in access to hand hygiene materials specifically despite most of those settings having access to improved, often onsite, water supplies. Across countries, adherence to hand hygiene among healthcare providers was about twice as high after patient contact compared to before patient contact. Poor or non-existent management of handwashing stations and alcohol-based hand rub (ABHR) was common, especially in community institutions. Markets and points of entry (internal or external border crossings) represent congregation spaces, critical for COVID-19 mitigation, where globally-recognized WASH standards are needed. Development, evaluation, deployment, and refinement of new and existing standards can help ensure WASH aspects of community mitigation efforts that remain accessible and functional to enable inclusive preventive behaviors.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle