Factors influencing nursing professionals’ adherence to facial protective equipment usage: A comprehensive review
Notice bibliographique
Résumé
BACKGROUND: Facial protective equipment (FPE) adherence is necessary for the health and safety of nursing professionals. This review was conducted to synthesize predisposing, enabling, and reinforcing factors that influence FPE adherence, and thus inform efforts to promote adherence. METHODS: Articles were collected using Cumulated Index to Nursing and Allied Health Literature and MEDLINE and screened for inclusion. Included articles were original studies focused on FPE adherence by nurses to prevent respiratory infection which contained occupation-specific data from at least 10 individuals and were published in English between January 2005 and February 2022. RESULTS: Thirty articles were included, 21 of which reported adherence rates. Adherence ranged from 33% to 100% for respiratory protection and 22% to 100% for eye protection. Predisposing demographic factors influencing adherence included tenure and occupation, while modifiable predisposing factors included knowledge and perception of FPE, infection transmission, and risk. Enabling factors included geography, care settings, and FPE availability. Reinforcing factors included organizational support for health and safety, clear policies, and training. CONCLUSIONS: The identified demographic factors suggest populations that may benefit from targeted interventions, while modifiable factors suggest opportunities to enhance education as well as operational processes and supports. Interventions that target these areas have the potential to promote adherence and thereby improve the occupational safety of nurses.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,003 |
| 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 ».