Voices of Care: A mixed-methods study of key factors for enhancing support workers’ engagement in infection prevention and control practices in Canadian long-term care homes
Notice bibliographique
Résumé
Background: Effective infection prevention and control (IPAC) practices are critical for preventing transmission of disease and maintaining population health, especially in long-term care homes (LTCHs). Canadian LTCHs rely extensively on personal support workers (PSWs) for care and IPAC implementation. However, their experiences are under-represented in IPAC programming within the LTCH settings. This study uses mixed methods to describe the perspectives of PSWs and identify factors influencing their IPAC knowledge to inform inclusive and effective IPAC implementation strategies in LTCHs. Methods: We surveyed a convenience sample of PSWs working in Canadian LTCHs (N = 1,166). Participants responded to a series of questions on IPAC knowledge, responsibilities, drivers, and barriers to compliance. Results: The findings indicated strong IPAC knowledge, and the willingness to learn more about advanced topics like antimicrobials and medication side effects. Being an agency staff (third party contract employee) was associated with lower IPAC knowledge while feeling comfortable asking IPAC questions and feeling respected by colleagues were associated with higher IPAC knowledge. A shortage of personal protective equipment was not identified as a barrier to IPAC practices. Respondents identified that quality training, professional development opportunities, and supportive work environments would improve PSW engagement in IPAC. Conclusion: This study highlights the impact of interprofessional relationships on PSW’s IPAC perceptions, knowledge, and engagement. PSWs represent the most abundant resources in LTCHs and by bringing their experiences to light, their expertise at the frontlines can be leveraged to improve care in Canadian LTCHs.
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 | 0,013 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,014 | 0,003 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».