A Quality Improvement Study Project to Improve Post Cesarean Section Surgical Site Infection Surveillance in a District Hospital in Kigali City
Notice bibliographique
Résumé
Post-caesarean surgical site infection (PCSI) is one of the most common cesarean section-related complications. In low- and middle-income countries (LMIC), PCSI prevalence is often under-reported and inaccurate because LMIC surveillance systems are often unable to detect PCSIs developed after discharge; this can ultimately wrongly inform the decision-making related to reducing PCSIs.This paper describes the establishment of a post-discharge PCSI surveillance system for identification of PCSI rate in a district hospital in Rwanda.A total of 540 women underwent CS in the hospital from November 2017 to February 2018, and 536 (99.3%) consented to participate in the surveillance. Among those consented, 22 had no telephone and 174 could not be reached by telephone despite multiple attempts. At the end of this study, a total of 340 women completed the entire surveillance period. The total PCSI rate was 11.5%.Out of all PCSIs, 21% were detected during hospitalization period and 79% were detected during the post-discharge period.The PCSI surveillance system developed in this project covered the 30-day period after surgery and provided a more accurate estimate of PCSI rate. The system was able to track PCSIs developed after a patient was discharged from the hospital. Long term sustainability of the project must be evaluated.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».