Knowledge, Attitude & Practice (KAP) among Staff Nurses Regarding Biomedical Waste Management (BMW): A Correlational Study Design
Notice bibliographique
Résumé
Background: The safe and effective management of biomedical waste generated in the hospital is a collective responsibility of all health workers involved in patient care. It is cardinal that the staff nurses must have up to date knowledge regarding handling and management of biomedical waste for the sake of both themselves and the patients. The aim of the study was to assess the knowledge, attitude and practice levels among staff nurses regarding biomedical waste management and to determine the relationship between knowledge, attitude and practice levels. Materials and Methods: The following study adopted a Correlational design. 100 staff nurses from selected hospitals in Kollam, Kerala were assigned using convenience sampling. The data was collected using a structured knowledge questionnaire, a five-point Likert attitude scale and a verbal response checklist. Results: Findings of the study revealed that the Spearman’s Rank Coefficient (Rho) ‘ρ’ calculated at 0.65** for finding the relationship between knowledge and attitude levels was statistically significant at P<0.01 level. Also, the ‘ρ’ value (0.59**) calculated between knowledge and practice levels was significant at 0.01 level. The Chi square (χ2) value calculated was statistically significant for Knowledge level and selected sociodemographic variables such as; Gender (χ2 18.56**, df=02, P<0.01 level) and Professional Experience (χ2 11.59*, df-04, p<0.05 level); Also, between professional experience and Attitude (6.44**) and professional experience and practice levels (10.17**). The Fisher’s exact test revealed association between Gender and Attitude (P# 0.016*, df=02, P<0.05 level) as well as Gender and Practice (P# 0.005**, df-01, P<0.01 level of significance). Conclusion: The findings confirmed that there was a medium/moderate positive correlation between knowledge and attitude as well as knowledge and practice levels regarding biomedical waste management among staff nurses. Keywords: KAP, BMW, Staff Nurses, Correlational Design.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».