MétaCan
Menu
Retour à la cohorte
Enregistrement W1970546881 · doi:10.5455/2320-6012.ijrms20140227

An assessment of nurses' sufficient immunity when treating infectious patients using bumped-up binomial model

2014· article· en· W1970546881 sur OpenAlexaboutno aff
Ramalingam Shanmugam

Notice bibliographique

RevueInternational Journal of Research in Medical Sciences · 2014
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineOutbreakPneumoniaImmunityContagious diseaseIntensive care medicineHerd immunityMedical emergencyImmunologyDiseaseVirologyImmune systemInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: In times of an outbreak of a contagious deadly epidemic 1-4 such as severe acute respiratory syndrome (SARS), the patients are quarantined and rushed to an emergency department of a hospital for treatment. Paradoxically, the nurses who treat them to become healthy get infected in spite of the nurses’ precautionary defensive alertness. This is so unfortunate because the nurses might not have been in close contact with the virus otherwise in their life. The nurses’ sufficient immunity level is a key factor to avert hospital site infection. Is it possible to quantify informatics about the nurses’ immunity from the virus? Methods: The above question is answered with a development of an appropriate new model and methodology. This new frequency trend is named Bumped-up Binomial Distribution (BBD). Several useful properties of the BBD are derived, applied, and explained using SARS data 5 in the literature. Though SARS data are considered in the illustration, the contents of the article are versatile enough to analyze and interpret data from other contagious diseases. Results: With the help of BBD (3) and the Toronto data in Table 1, we have identified the informatics about the attending nurses’ sufficient immunity level. There were 32 nurses providing 16 patient care services. Though the nurses were precautionary to avoid infection, not all of them were immune to infection in those activities. Using the new methodology of this article, their sufficient immunity level is estimated to be only 0.25 in a scale of zero to one with a p-value of 0.001. It suggests that the nurses’ sufficient immunity level is statistically significant. The power of accepting the true alternative hypothesis of 0.50 immunity level, if it occurs, is calculated to be 0.948 in a scale of zero to one. It suggests that the methodology is powerful. Conclusions: The estimate of nurse’s sufficient immunity level is a helpful factor for the hospital administrators in the time of making work schedules and assignments of the nurses to highly contagious patients who come in to the emergency or regular wings of the hospital for treatment. When the approach and methodology of this article are applied, it would reduce if not a total elimination of the hospital site infections among the nurses and physicians.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,029
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,883
Score d'incertitude au seuil0,979

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0210,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,455
Tête enseignante GPT0,629
Écart entre enseignants0,174 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Research in Medical SciencesMême sujetCOVID-19 epidemiological studiesTravaux en français237 207