Quantifying Interhospital Patient Sharing as a Mechanism for Infectious Disease Spread
Notice bibliographique
Résumé
BACKGROUND: Assessments of infectious disease spread in hospitals seldom account for interfacility patient sharing. This is particularly important for pathogens with prolonged incubation periods or carrier states. METHODS: We quantified patient sharing among all 32 hospitals in Orange County (OC), California, using hospital discharge data. Same-day transfers between hospitals were considered "direct" transfers, and events in which patients were shared between hospitals after an intervening stay at home or elsewhere were considered "indirect" patient-sharing events. We assessed the frequency of readmissions to another OC hospital within various time points from discharge and examined interhospital sharing of patients with Clostridium difficile infection. RESULTS: In 2005, OC hospitals had 319,918 admissions. Twenty-nine percent of patients were admitted at least twice, with a median interval between discharge and readmission of 53 days. Of the patients with 2 or more admissions, 75% were admitted to more than 1 hospital. Ninety-four percent of interhospital patient sharing occurred indirectly. When we used 10 shared patients as a measure of potential interhospital exposure, 6 (19%) of 32 hospitals "exposed" more than 50% of all OC hospitals within 6 months, and 17 (53%) exposed more than 50% within 12 months. Hospitals shared 1 or more patient with a median of 28 other hospitals. When we evaluated patients with C. difficile infection, 25% were readmitted within 12 weeks; 41% were readmitted to different hospitals, and less than 30% of these readmissions were direct transfers. CONCLUSIONS: In a large metropolitan county, interhospital patient sharing was a potential avenue for transmission of infectious agents. Indirect sharing with an intervening stay at home or elsewhere composed the bulk of potential exposures and occurred unbeknownst to hospitals.
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 | 0,000 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».