Exploring obstacles to proper timing of prophylactic antibiotics for surgical site infections
Notice bibliographique
Résumé
BACKGROUND: Surgical site infections remain one of the leading types of nosocomial infections. The administration of prophylactic antibiotics within a specific interval has been shown to reduce the burden of surgical site infections, but adherence to proper timing guidelines remains problematic. This study examined perceived obstacles to the use of evidence-based guidelines for the timely administration of prophylactic antibiotics to prevent surgical site infections. METHODS: 27 semi-structured interviews were conducted with anesthesiologists (n = 12), surgeons (n = 11), and perioperative administrators (n = 4) in two large academic hospitals to elicit their perceptions of the factors that prevent the timely administration of prophylactic antibiotics. Using a grounded theory approach, transcripts were analyzed for recurrent themes. RESULTS: Despite having knowledge of guidelines, participants perceived consistent failure in the proper timing of antibiotic administration. Thematic analysis revealed a number of obstacles to the observance of guidelines including: (1) low priority, (2) inconvenience, (3) workflow, (4) organizational communication, and (5) role perception. Workflow and role perception were the dominant obstacles. CONCLUSION: This study suggests that proper antibiotic timing is thwarted by significant obstacles. The gap between evidence-based guidelines and practice is populated by individual values, professional conflicts, and organizational conflicts which must be addressed in order to achieve optimal practice in this domain. Using group interviews to reveal these factors to team members and managers may be a first step to resolving the gap and reducing surgical site infections.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».