MétaCan
Menu
Retour à la cohorte
Enregistrement W2619539940 · doi:10.1177/0272989x17708564

The Effect of Individual Movements and Interventions on the Spread of Influenza in Long-Term Care Facilities

2017· article· en· W2619539940 sur OpenAlexafffundabout
Mehdi Najafi, Marek Laskowski, Pieter T. de Boer, Evelyn Williams, Ayman Chit, Seyed M. Moghadas

Notice bibliographique

RevueMedical Decision Making · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueInfection Control and Ventilation
Établissements canadiensYork UniversityUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesCompute Canada
Mots-clésMedicinePsychological interventionIsolation (microbiology)Infection controlRepeated measures designLong-term careVaccinationIntervention (counseling)Emergency medicineAnalysis of varianceOutbreakDemographyIntensive care medicineInternal medicineNursingImmunologyVirologyStatistics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Nosocomial influenza poses a serious risk among residents of long-term care facilities (LTCFs). OBJECTIVE: We sought to evaluate the effect of resident and staff movements and contact patterns on the outcomes of various intervention strategies for influenza control in an LTCF. METHODS: We collected contact frequency data in Canada's largest veterans' LTCF by enroling residents and staff into a study that tracked their movements through wireless tags and signal receivers. We analyzed and fitted the data to an agent-based simulation model of influenza infection, and performed Monte-Carlo simulations to evaluate the benefit of antiviral prophylaxis and patient isolation added to standard (baseline) infection control practice (i.e., vaccination of residents and staff, plus antiviral treatment of residents with symptomatic infection). RESULTS: We calibrated the model to attack rates of 20%, 40%, and 60% for the baseline scenario. For data-driven movements, we found that the largest reduction in attack rates (12.5% to 27%; ANOVA P < 0.001) was achieved when the baseline strategy was combined with antiviral prophylaxis for all residents for the duration of the outbreak. Isolation of residents with symptomatic infection resulted in little or no effect on the attack rates (2.3% to 4.2%; ANOVA P > 0.2) among residents. In contrast, parameterizing the model with random movements yielded different results, suggesting that the highest benefit was achieved through patient isolation (69.6% to 79.6%; ANOVA P < 0.001) while the additional benefit of prophylaxis was negligible in reducing the cumulative number of infections. CONCLUSIONS: Our study revealed a highly structured contact and movement patterns within the LTCF. Accounting for this structure-instead of assuming randomness-in decision analytic methods can result in substantially different predictions.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,447
Score d'incertitude au seuil0,474

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,389
Écart entre enseignants0,349 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations32
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMedical Decision MakingMême sujetInfection Control and VentilationTravaux en français237 207