Factors influencing self-reported facial-protective equipment adherence among home care nurses and personal support workers: A multisite cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Facial-protective equipment (FPE) use increased during the SARS-CoV-2 pandemic. This study explored factors influencing home care personal support workers' (PSWs) and nurses' self-reported adherence to FPE. METHODS: A cross-sectional, electronic, survey was distributed to PSWs and nurses (1,108 complete responses) at 3 home care agencies in Ontario, Canada, in May to June 2022. Descriptive, bivariate, and multivariable analysis were used to assess individual, environmental, and organizational factors influencing adherence. RESULTS: Among participants (786 PSWs, 322 nurses), 64% reported being adherent to both respiratory and eye FPE (Respiratory: 96%, Eye: 64%). Higher adherence was associated with facility-based work; better knowledge of FPE; prepandemic FPE use; good availability and convenient access; strong organizational support for health and safety; and Caribbean identity. Lower adherence was found for men; nurses with 2-year diplomas; shorter length of employment; communal transportation; and experiencing negative mental health effects from workplace infectious disease exposure. DISCUSSION: Agencies should prioritize increasing providers' knowledge of FPE, supporting mental well-being, fostering a supportive culture, and ensuring availability of FPE. The influences of gender, ethnicity, and role require further exploration. CONCLUSIONS: FPE adherence may be improved by addressing modifiable factors and developing population-specific strategies.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».