Combined application of management tools in improvement of effectiveness of infection control
Notice bibliographique
Résumé
OBJECTIVE To explore the effect of combined application of management tools on the control of nosocomial infection so as to recue the incidence of central catheter-associated bloodstream infection in the ICU.METHODS The defects of infections control that were displayed in the conventional data surveillance for 74 catheterization patients of neurology department ICU and general surgery department ICU in the first quarter of 2014 were chosen as the intervention objects.The combined application of the management tools such as root cause analysis,cause and effect diagram,and PDCA was carried out,the causes and root causes of the existing problems were analyzed,the rectification measures were developed in response to the root causes,the rectification effect was dynamically evaluated by referring to the Real-time nosocomial infection surveillance system so as to sum up the experience and make the related system and procedure prefect.RESULTS After the combined application of management tools for intervention,the incidence of central catheter-bloodstream infections in the neurology department ICU dropped from 3.24cases/1000 catheter day in the first quarter of 2014 to 0case/1000 catheter day in the first quarter of 2015;the incidence of central catheter-bloodstream infections decreased from 5.51cases/1000 catheter day in the first quarter of 2014 to 1.68cases/1000 catheter day in the first quarter of 2015.CONCLUSION The combined application of management tools in the control of nosocomial infection may contribute to the discovery of hidden dangers of the system,raise the accuracy and efficiency of the rectification,and intensify the rectification effect and management efficiency.
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 | 0,000 |
| 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 ».