Surgical site infection prevention: a survey to identify the gap between evidence and practice in University of Toronto teaching hospitals
Notice bibliographique
Résumé
BACKGROUND: A gap exists between the best evidence and practice with regards to surgical site infection (SSI) prevention. Awareness of evidence is the first step in knowledge translation. METHODS: A web-based survey was distributed to 59 general surgeons and 68 residents at University of Toronto teaching hospitals. Five domains pertaining to SSI prevention with questions addressing knowledge of prevention strategies, efficacy of antibiotics, strategies for changing practice and barriers to implementation of SSI prevention strategies were investigated. RESULTS: Seventy-six individuals (60%) responded. More than 90% of respondents stated there was evidence for antibiotic prophylaxis and perioperative normothermia and reported use of these strategies. There was a discrepancy in the perceived evidence for and the self-reported use of perioperative hyperoxia, omission of hair removal and bowel preparation. Eighty-three percent of respondents felt that consulting published guidelines is important in making decisions regarding antibiotics. There was also a discrepancy between what respondents felt were important strategies to ensure timely administration of antibiotics and what strategies were in place. Checklists, standardized orders, protocols and formal surveillance programs were rated most highly by 75%-90% of respondents, but less than 50% stated that these strategies were in place at their institutions. CONCLUSION: Broad-reaching initiatives that increase surgeon and trainee awareness and implementation of multifaceted hospital strategies that engage residents and attending surgeons are needed to change practice.
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 | 0,010 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».