Raising Standards While Watching the Bottom Line Making a Business Case for Infection Control
Notice bibliographique
Résumé
While society would benefit from a reduced incidence of nosocomial infections, there is currently no direct reimbursement to hospitals for the purpose of infection control, which forces healthcare institutions to make economic decisions about funding infection control activities. Demonstrating value to administrators is an increasingly important function of the hospital epidemiologist because healthcare executives are faced with many demands and shrinking budgets. Aware of the difficulties that face local infection control programs, the Society for Healthcare Epidemiology of America (SHEA) Board of Directors appointed a task force to draft this evidence-based guideline to assist hospital epidemiologists in justifying and expanding their programs. In Part 1, we describe the basic steps needed to complete a business-case analysis for an individual institution. A case study based on a representative infection control intervention is provided. In Part 2, we review important basic economic concepts and describe approaches that can be used to assess the financial impact of infection prevention, surveillance, and control interventions, as well as the attributable costs of specific healthcare-associated infections. Both parts of the guideline aim to provide the hospital epidemiologist, infection control professional, administrator, and researcher with the tools necessary to complete a thorough business-case analysis and to undertake an outcome study of a nosocomial infection or an infection control intervention.
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 | 0,056 | 0,128 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,017 |
| Communication savante | 0,019 | 0,020 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,013 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».