Do physicians clean their hands? Insights from a covert observational study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Physicians are notorious for poor hand hygiene (HH) compliance. We wondered if lower performance by physicians compared with other health professionals might reflect differences in the Hawthorne effect. We introduced covert HH observers to see if performance differences between physicians and nurses decreased and to gain further insights into physician HH behaviors. Following training and validation with a hospital HH auditor, 2 students covertly measured HH during clinical rotations. Students rotated off clinical services every week to increase exposure to different providers and minimize risk of exposing the covert observation. We compared covertly measured HH compliance with data from overt observation by hospital auditors during the same time period. Covert observation produced much lower HH compliance than recorded by hospital auditors during the same time period: 50.0% (799/1597) versus 83.7% (2769/3309) (P < 0.0002). The difference in physician compliance between hospital auditors and covert observers was 19.0% (73.2% vs 54.2%); for nurses this difference was much higher at 40.7% (85.8% vs 45.1%) (P < 0.0001). Physician trainees showed markedly better compliance when attending staff cleaned their hands compared with encounters when attending did not (79.5% vs 18.9%; P < 0.0002). Our study suggests that traditional HH audits not only overstate HH performance overall, but can lead to inaccurate inferences about performance by professional groupings due to relative differences in the Hawthorne effect. We suggest that future improvement efforts will rely on more accurate HH monitoring systems and strong attending physician leadership to set an example for trainees. Journal of Hospital Medicine 2015;11:862-864. © 2015 Society of Hospital Medicine.
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.
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 | 0,001 |
| 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 découle