Knowledge, attitude and practice survey of bacterial contamination of blood for transfusion in the Democratic Republic of the Congo.
Notice bibliographique
Résumé
BACKGROUND: We assessed healthcare worker's knowledge-attitude-practice regarding bacterial contamination of blood products in the Democratic Republic of the Congo. MATERIALS AND METHODS: In three hospitals and the National Blood Transfusion Center (NBTC), two multiple-choice surveys were completed on a tablet computer: one each, for blood bank (31 questions) and for clinical ward staff (20 questions). A score was calculated for 11 overlapping knowledge questions. RESULTS: Among 247 participants (blood bank No.=62, ward No.=185), median (range) knowledge score was 10 (2-19) on a maximum of 20, with blood bank staff (12/20) scoring higher than clinical ward staff (9/20) (p<0.0001). Half (50.2%) of 247 participants recalled previous training in transfusion medicine. Participants had limited understanding of and compliance with NBTC-recommended preventive measures: incorrect assumption that wearing gloves prevents bacterial contamination (83.8%) and that blood banks test donor blood for bacteria (59.9%). Half (50.0%) of blood bank staff did not acknowledge the NBTC-recommended antisepsis procedure, 62.1% did not apply the appropriate number of antisepsis steps, and 32.3% saw no harm in touching the venipuncture site after antisepsis. Presence of bacteria on healthy skin (62.3%) and blood bank fomites (examination gloves: 30.8%, soap: 62.8%) was underestimated. Although 92.4% of clinical ward staff said to easily recognize transfusion reactions, only 15.7% recognized septic reactions and post-transfusion antibiotic treatment practices were not consistent. Challenges reported by blood bank staff and particular for low-resource settings were: frequent power cuts (98.4%), transport of blood products by patient attendants (41.1%), without cooling elements (64.4%), and reuse of finished antiseptic/disinfectant containers (75.4%). DISCUSSION: The present study points to gaps in knowledge, attitudes, practices along sampling, cold chain and transfusion which can feed customized training and monitoring.
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 | 0,001 | 0,002 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».