MétaCan
Menu
Retour à la cohorte
Enregistrement W2260645123 · doi:10.11606/d.7.2016.tde-13102015-155959

Limitações para investigação e notificação de surtos de infecções relacionadas à assistência à saúde no Estado de São Paulo: uma abordagem de métodos mistos

2016· dissertation· pt· W2260645123 sur OpenAlexaboutno aff
Amanda Luiz Pires Maciel

Notice bibliographique

Revuenon disponible
Typedissertation
Languept
DomaineMedicine
ThématiqueInfection Control in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFocus groupInfection controlOutbreakQuarter (Canadian coin)MedicineFamily medicineGeographySociologySurgery

Résumé

récupéré en direct d'OpenAlex

\n Introdução:A detecção de surtos de infecções relacionadas à assistência à saúde (IRAS) e sua investigação são atividades de extrema importância para a Comissão de Controle de Infecção Hospitalar, pois os resultados da investigação podem identificar a fonte e o veículo do foco de transmissão, contribuir para implantação de medidas apropriadas para a prevenção de casos novos, fornecer informações para o avanço da epidemiologia hospitalar e traduzir a qualidade da vigilância epidemiológica do serviço de saúde.Embora a notificação de surtos seja obrigatória desde 1998, um estudo mostrou que apenas 25% dos eventos são notificados para as autoridades sanitárias. Objetivos: Identificar, segundo a percepção dos profissionais de controle de IRAS, quais são as limitações para investigação de surto de IRAS e as restrições para notificação do evento às autoridades sanitárias. Métodos: O estudo utilizou uma abordagem de métodos mistos, sob o desenho convergente paralelo. Para a abordagem quantitativa foi realizado um inquérito utilizando-se um questionário eletrônico na plataforma do DATASUS (FormSUS) e foram incluídos profissionais de controle de IRAS que atuam no Estado de São Paulo. Para a abordagem qualitativa foram realizados grupos focais nas cidades de São Paulo, Campinas e Ribeirão Preto e foram incluídos os profissionais de controle de IRAS que atuam nessas cidades. Para os resultados do inquérito foi realizada uma análise descritiva e para os achados dos grupos focais foi aplicada a análise de conteúdo. Após a análise das abordagens os resultados foram comparados. Resultados: Participaram 87 profissionais de controle de infecção no inquérito e 22 profissionais nos grupos focais, sendo a participação de (60%) enfermeiros e (40%) médicos similar nas duas abordagens. Houve convergência nos seguintes temas:i) Profissionais de controle de infecção têm dificuldade em aplicar conhecimento em investigação de surtos na prática; ii) Recursos humanos e materiais são suficientes, mas há falta de planejamento de trabalho; iii) Apoio institucional frágil para questões relativas ao controle de IRAS; iv) Profissionais de controle de infecção sabem como notificar (84%), mas não sabem a relevância da notificação dos surtos para a saúde pública; vi) Profissionais de controle de infecção não notificam por medo de punição (64%) ou exposição da imagem da instituição (52%). Em dois temas houve a divergência entre as abordagens quantitativas e qualitativas: i) Laboratório: no inquérito a maioria relatou um bom suporte laboratorial, mas nos grupos focais houve queixas sobre o serviço; ii) Relação com autoridades sanitárias: no inquérito profissionais de controle de infecção citaram uma boa interação (50%) e não punitiva (84%), mas nos grupos focais citaram como insuficiente e punitiva. Conclusão: O estudo mostrou que as barreiras à investigação de surtos de IRAS e notificação às autoridades sanitárias são conhecimentos, habilidades e apoio institucional. As autoridades sanitárias devem superar estas barreiras, reconstruindo suas estratégias para aproximar os serviços de saúde, bem como fornecer programas educativos translacionais para apoiar a melhoria dos processos de investigação de surto.\n

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)0,005
score de la tête « metaresearch » (Gemma)0,019
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,121
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,019
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,042
Tête enseignante GPT0,335
Écart entre enseignants0,294 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInfection Control in HealthcareTravaux en français237 207