Burden of Healthcare-Associated Viral Respiratory Infections in Children’s Hospitals
Notice bibliographique
Résumé
OBJECTIVE: Although healthcare-associated (HA) viral respiratory infections (VRIs) are common in pediatrics, no benchmark for comparison exists. We aimed to determine, compare, and assess determinants of unit-specific HA-VRI incidence rates in 2 children's hospitals. METHODS: This study was a retrospective comparison of prospective cohorts. The Montreal Children's Hospital and the Cohen Children's Medical Center of New York perform prospective surveillance for HA-VRI using standardized definitions that require the presence of symptoms compatible with VRI and virus detection. Cases detected between April 1, 2010, and March 31, 2013, were identified using surveillance databases. Annual incidence rates were calculated, and a generalized estimating equation model was used to assess determinants of HA-VRI rates. RESULTS: The overall HA-VRI rate during the 3-year study period was significantly higher at Montreal Children's Hospital than that at Cohen Children's Medical Center of New York (1.91 vs 0.80 per 1000 patient-days, respectively; P < .0001). Overall, the HA-VRI incidence rate was lowest in the neonatal intensive care unit. Rates in the pediatric intensive care, oncology, and medical/surgical units were similar. The most common etiology of HA-VRI at both institutions was rhinovirus (49% of cases), followed by parainfluenza virus and respiratory syncytial virus. Hospitals with less than 50% single rooms had HA-VRI rates 1.33 (95% confidence interval, 1.29-1.37) times higher than hospitals with more than 50% single rooms for a given unit type. CONCLUSIONS: HA-VRI rates were substantial but different among 2 children's hospitals. Future studies should examine the effect of HA-VRI and evaluate best practices for preventing such infections.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».