In-person training on COVID-19 case management and infection prevention and control: Evaluation of healthcare professionals in Bangladesh
Notice bibliographique
Résumé
BACKGROUND: As COVID-19 was declared a global pandemic, the major focus of healthcare organizations shifted towards preparing healthcare systems to handle the inevitable COVID-19 burden at different phases and levels. A series of in-person training programs were operated in collaboration with government and partner organizations for the healthcare workers (HCW) of Bangladesh. This study aimed to assess the knowledge of HCWs regarding SARS-CoV-2 infection, their case management, infection prevention and control to fight against the ongoing pandemic. METHODS: As a part of the National Preparedness and Response Plan for COVID-19 in Bangladesh, the training program was conducted at four district-level hospitals and one specialized hospital in Bangladesh from July 1, 2020 to June 30, 2021. A total of 755 HCWs participated in the training sessions. Among them, 357 (47%) were enrolled for the evaluation upon completion of the data, collected from one district hospital (Feni) and one specialized hospital (National Institute of Mental Health). RESULTS: The mean percentage of pre-test and post-test scores of all the participants were found to be 57% (95% CI 8.34-8.91; p 0.01) and 65% (95% CI 9.56-10.15; p <0.001) respectively. The difference of score (mean) between the groups was significant (p<0.001). After categorizing participants' knowledge levels as poor, average and fair, doctors' group has shown to have significant enhancement from level of average to fair compared to that of the nurses. Factors associated with knowledge augmentation of doctors were working in primary health care centers (aOR: 4.22; 95% CI: 1.80, 9.88), job experience less than 5 years (aOR: 4.10; 95% CI: 1.01, 16.63) and experience in caring of family member with COVID-19 morbidity (aOR: 2.06; 95% CI: 1.03, 4.10), after adjusting for relevant covariates such as age, sex and prior COVID-19 illness. CONCLUSION: Considering the series of waves of COVID-19 pandemic with newer variants, the present paper underscores the importance of implementing the structured in-person training program on case management, infection prevention and control for the HCWs that may help for successful readiness prior to future pandemics that may further help to minimize the pandemic related fatal consequences.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».