Prevalence of needle-stick injury among nursing students: A systematic review and meta-analysis
Notice bibliographique
Résumé
Introduction Needle-stick injuries (NSI) are a serious threat to the health of healthcare workers, nurses, and nursing students, as they can expose them to infectious diseases. Different prevalence rates have been reported for this type of injury in different studies worldwide. Therefore, this study aimedto estimate the pooled prevalence of NSI among nursing students. Methods This study was conducted by searching for articles in Web of Science, PubMed, Scopus, Embase, and Google Scholar without time limitation using the following keywords: needle-stick, needle stick, sharp injury, and nursing student. The data were analyzed using the meta-analysis method and random-effects model. The quality of the articles was evaluated with Newcastle-Ottawa Quality Assessment Scale (NOS). The heterogeneity of the studies was examined using the I 2 index, and the collected data were analyzed using the STATA Software Version 16. Results Initially, 1,134 articles were retrieved, of which 32 qualified articles were included in the analysis. Nursing students reported 35% of NSI (95% CI: 28–43%) and 63% (95% CI: 51–74%) did not report their needle-stick injuries. The highest prevalence was related to studies conducted in Asia (39.7%; 95% CI: 31.7–47.7%). There was no significant correlation among NSI prevalence and age of samples, and article year of publication. Conclusion A third of nursing students reported experiencing NSI. Consequently, occupational hazard prevention training and student support measures need to be considered.
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 | 0,009 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,017 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».