MRSA Transmission in a Personal Care Home Facility: A Spatially Explicit Agent Based Modeling Approach
Notice bibliographique
Résumé
The purpose of this study is to estimate the effects of hand washing, cleaning, cohorting, isolation rooms and duration of cleaning on Methicillin Resistant Staphylococcus Aureus (MRSA) colonization and infections. The study uses spatially explicit agent-based modeling approach together with a Susceptible-Exposed-Infected-Recovered (SEIR) to characterize infection spread in an 8-bedroom personal care home facility. The model consists of 8 residents, 2 nurses and 1 cleaner. The model explicitly simulates the dynamics of pathogen reservoirs associated with both surfaces and people, and further counts the colonization and infection events over a 1-year period. To account for stochastics, the model is iterated 100 times for each of five different 'what if' scenarios. Model results suggest that cohorting is the most effective method to reduce the events of MRSA colonization and infections in the personal care home facility. When compared to baseline, cleaning at a higher intensity led to a 35 percent reduction (p-value is less than 0.0005) in the median counts of MRSA colonization (median 202 vs 132 colonization events) and 41 percent reduction (p-value is equal to 0.0335) in the median counts of MRSA infections (median 17 vs 10 MRSA infection events). In terms of intervention that were not effective, we found no statistically significant difference in the efficacy of having duration of cleaning more than 8 hours per day, higher intensity hand washing and use of an isolation room.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».