Assessing personal protective equipment compliance in a polish healthcare setting during the COVID-19 pandemic – A pilot case study
Notice bibliographique
Résumé
Objective: The purpose of this study is to identify failures in proper Personal Protective Equipment (PPE) usage in a healthcare hospital environment to enhance PPE compliance through proper donning and doffing procedures.Methods: We used naturalistic observation (shadowing) of PPE donning and doffing by healthcare medical staff in their hospital work setting to identify non-conformities to compliant donning and doffing of PPE.Results: We found an average of 1.84 non-conformances per healthcare worker across the donning procedures and 2.06 non-conformances in the doffing procedures per healthcare provider. Nurses experienced 1.94 average non-conformances in the donning procedures, while physicians average 1.75 non-conformances. Nurses experienced 2.29 average doffing nonconformances, while physicians averaged 1.85 average doffing non-conformances during the study. PPE compliance is critical to protect both healthcare workers and patients in the healthcare setting, as well as building a culture of safety.Research implications: Appropriate training and compliance should be performed to ensure appropriate PPE donning and doffing protocols are adhered to, so that it reduces the transmission of disease and infections. Future studies will explore the environmental, cultural and operational factors that contribute to PPE compliance in healthcare.Conclusions: This is the first study to quantify donning and doffing errors of personal protective compliance within the realm of environmental and cultural impacts.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 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 ».