MétaCan
Menu
Retour à la cohorte
Enregistrement W2095878770 · doi:10.25011/cim.v31i4.4824

USE OF AN ELECTRONIC DATA WAREHOUSE TO ENHANCE CARDIAC SURGICAL SITE SURVEILLANCE AT A LARGE CANADIAN CENTRE

2008· article· en· W2095878770 sur OpenAlexvenueaboutno aff
Gregory Rose, Virginia Roth, Kathryn N. Suh, Monica Taljaard, Carl van Walraven, Alan J. Forster

Notice bibliographique

RevueClinical and investigative medicine · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical site infection prevention
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineSurgical site infectionElectronic dataLogistic regressionElectronic surveillanceEmergency medicineMedical emergencySurgeryComputer scienceInternal medicineDatabase

Résumé

récupéré en direct d'OpenAlex

Background/Purpose: Surgical site infection surveillance to determineincidence is a key infection control activity. Case detection is labour-intensive, therefore most infection control programs use manual or simple electronic mechanisms to “trigger” chart review. However, such “trigger” mechanisms are also labour-intensive, and often of poor specificity. Our objective is to develop a complex trigger mechanism using data from an electronic data warehouse, to improve specificity of surveillance of surgical site infection compared to current trigger mechanisms. Methods: We will derive an electronic trigger tool for cardiac surgical site infection surveillance using a nested case-control design, among a cohort of all patients undergoing coronary artery bypass grafting, cardiac valve repairor replacement, or heart transplant at the University of Ottawa Heart Institute, from July 1 2004 to June 30 2007. We will perform a systematic literature review to identify potential trigger factors to include in the model, then construct the trigger tool by backwards stepwise logistic regression. The best-fit model will be used to calculate the probability of surgical site infection. We will select the threshold probability to use in surveillance by visual inspection of receiver-operator-characteristic curves. The accuracy of this electronic trigger mechanism will be compared to pre-existing manual and simple electronic mechanisms using relative true positive ratios and relative false positive ratios. Results/Conclusions: We have selected 200 cases of surgical site infection and 541 controls from among 3744 procedures performed during the study period. As of the date ofthis abstract we are still undertaking the systematic review.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,042
score de la tête « metaresearch » (Gemma)0,130
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,398
Score d'incertitude au seuil0,791

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,130
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0200,024
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,154
Tête enseignante GPT0,373
Écart entre enseignants0,219 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations7
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical and investigative medicineMême sujetSurgical site infection preventionTravaux en français237 207