MétaCan
Menu
Retour à la cohorte
Enregistrement W4399261105 · doi:10.5864/d2024-007

Operational impacts at municipal aquatic facilities due to the COVID-19 public health measures

2024· article· en· W4399261105 sur OpenAlexaffvenueabout
Chun‐Yip Hon, Marina Jan

Notice bibliographique

RevueEnvironmental Health Review · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCOVID-19 impact on air quality
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakPublic healthBusinessEnvironmental planningEnvironmental scienceEnvironmental healthVirologyMedicineNursingOutbreak

Résumé

récupéré en direct d'OpenAlex

Due to the COVID-19 pandemic, aquatic facilities were initially closed but then allowed to open with strict public health measures in place. However, it is unclear how these measures impacted pool operations. This study surveyed municipal pool operators in Ontario regarding what public health measures were adopted during the pandemic (March 2020 to March 2022). Results were reported using frequency descriptions and t-tests were conducted to compare responses during and after the pandemic. Overall, 48 pool operators participated, representing a response rate of 23.6%. Every operator made changes to pool entry procedures, implemented social distancing measures, posted public health notices and reduced swim class sizes. Some operators had issues hiring enough qualified staff and, in fact, had to reduce their hours or even close the facility. In addition, labour-intensive duties included increased frequency of cleaning and health screening of every pool visitor. The changes to pool operations and closures may have adversely impacted the mental health of staff and the public, respectively. In anticipation of another pandemic, it is recommended that pool operators provide training and support to their staff. Also, future pandemic guidelines ought to address both public health as well as occupational health and safety best practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,402
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0160,011

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.

Tête enseignante Opus0,165
Tête enseignante GPT0,407
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental Health ReviewMême sujetCOVID-19 impact on air qualityTravaux en français237 207