Participatory screening of occupational risks at the sterilisation unit of the Niono reference health centre (CSRéf) in 2024
Notice bibliographique
Résumé
The assessment of occupational risks represents the initial stage of any occupational health and safety prevention approach. It is essential when planning appropriate preventive actions to protect personnel. Given the widespread increase in occupational hazards in hospital settings, it is crucial to analyze the most exposed work environments. Among these, the sterilization unit stands out due to the frequent handling of contaminated medical devices, the use of chemical products, and the pressure associated with safety and responsiveness requirements. This study was conducted in this context and aimed to assess the specific risks associated with this strategic yet potentially hazardous unit. Moreover, according to the International Labour Organization, each year, 2.78 million workers die because of occupational accidents and work-related diseases. As part of our approach, we adopted the Participatory Risk Screening method (Déparis), which represents the first level of the SOBANE strategy (Screening, Observation, Analysis, and Expertise). The screening was carried out by a nine-member committee coordinated by the Occupational Health and Safety Officer (OHS) of the Referral Health Center (CSRéf). Two Déparis sessions led to the formulation of 50 preventive actions, 66% of which required no financial cost. Six situations (33.33%) were deemed satisfactory, five (50%) moderate, and two (11.11%) unsatisfactory, mainly related to electrical, fire, and psychosocial risks. Twelve aspects require further in-depth analysis. This study highlighted significant occupational risks within the sterilization unit and provides a foundation for improving staff working conditions.
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 | 0,013 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».