Impact of prolonged PPE use on Canadian health professionals
Notice bibliographique
Résumé
AIM: To explore the impact that prolonged use of personal protective equipment (PPE) has on the skin integrity of Canadian health professionals. METHOD: A descriptive, pan-Canadian, cross-sectional, online survey was carried out to explore the type and prevalence of PPE-related skin injury among Canadian health professionals. Convenience sampling was used to disseminate the online survey link to health professionals. RESULTS: There were responses from 757 health professionals. Masks worn included surgical masks (90%), a combination of surgical or N95/KN95 masks (7.7%) and an N95/KN95 mask alone (2.7%). Responses showed 84.6% of providers always wear a mask while at work with 38.5% wearing the same mask all shift; 90% of participants wore protective eye wear. Complications included soreness or pressure injuries behind the ears (70%), new or worsening acne (52%), a runny nose or sneezing (45%), itching (39%), and dry skin (37%). Hand issues included dry skin (53%), red skin (30%), itching (26%), broken skin (20%), rash (16%), and dermatitis (11%) - 51% of respondents did not moisturise their hands. Complications related to gown use included itching (6%), moisture-associated skin damage (5.5%), feeling claustrophobic (4.5%), and new or worsening acne (3%). Increased perspiration due to PPE was experienced in 87.5% of respondents. Some 43% of respondents noted their mental health became worse due to wearing PPE for prolonged periods. CONCLUSION: These findings should be used in the development of guidelines to prevent and manage PPE-related skin injuries among health professionals. Education for professionals should focus on skin protection, prevention of PPE-related skin complications and support for mental health issues.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».