COVID-19 hand hygiene practices and its barriers among health care workers in a low-resource setting: a cross-sectional study in Nigeria
Notice bibliographique
Résumé
Abstract Background Poor hand hygiene (HH) among health care workers (HCWs) in low-resource healthcare settings has continued to increase the spread of infectious diseases, including COVID-19. The present study aimed to assess the knowledge, attitude, adherence, and barriers to HH practices among HCWs during the COVID-19 pandemic in Nigeria. Methods The study was an online cross-sectional survey using a tailored questionnaire distributed through chain referral sampling among southern Nigerian HCWs during the first wave of the COVID-19 pandemic (February to August 2020). The primary outcomes were knowledge, attitude, adherence to HH guidelines, and the barriers limiting compliance with the guidelines. Data were analysed using percentage, frequency, mean, standard deviation, one-way ANOVA, and multiple linear regression. The study timeline was from 15 April to 31 July 2020. Results Four hundred and fifty-four HCWs (236 males and 218 females) participated in the study. The participants had a moderate knowledge of standard HH protocol (mean ± SD) 62.45 ± 10.82%, positive attitude 84.34 ± 11.32%, and high adherence to the standard guidelines 81.21 ± 9.49%. There was no significant difference in knowledge, attitude, and adherence across the healthcare professions. Increasing age (β = 0.186, p < 0.003) and knowledge (β = 0.229, p < 0.001), and decreasing negligence (β = − 0.178, p = 0.004), and forgetfulness (β = − 0.159, p = 0.012) were the significant predictors of effective HH practices. Conclusion Nigerian HCWs had moderate knowledge, a positive attitude, and adhered to the standard HH practices during the COVID-19 pandemic. However, the major barriers were institutional-based factors such as the inadequate supply of HH items, competing job demands, emergencies, increased workload, and personal characteristics such as age, poor knowledge, negligence, and forgetfulness. We recommend that hospital management provide their staff with adequate HH materials and continued infectious disease training.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».