MétaCan
Menu
Retour à la cohorte
Enregistrement W2951450304 · doi:10.1097/ncq.0000000000000418

Preventing Catheter-Associated Urinary Tract Infection

2019· article· en· W2951450304 sur OpenAlexaff
William Mundle, Carnett Howell-Belle, Lianne Jeffs

Notice bibliographique

RevueJournal of Nursing Care Quality · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueUrinary Tract Infections Management
Établissements canadiensSinai Health SystemLunenfeld-Tanenbaum Research Institute
Organismes subventionnairesnon disponible
Mots-clésMedicineQuality managementUrinary systemEmergency medicineHealth careCatheterIntensive care medicineBundleInfection controlMedical emergencyOperations managementSurgeryInternal medicineManagement system

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Research has shown that catheter-associated urinary tract infections (CAUTIs) are highly preventable and have significant impact on patient morbidity and mortality as well as financial consequences for the health care system. LOCAL: CAUTI rates were documented to be higher in the general internal medicine units when compared with the overall hospital rates. METHODS: A comparative analysis was undertaken. INTERVENTION: An interprofessional working group developed and implemented a quality improvement initiative bundled approach to reducing CAUTIs. RESULTS: There was a 79% reduction in average CAUTI rates following the bundle implementation along with reduced variability in rates. CONCLUSIONS: Implementation of a standardized bundle of practices aimed at reducing CAUTIs resulted in decreased CAUTI rates. Organizations can use the design and implementation approach to reduce and minimize CAUTI rates, which can positively impact cost, care experience, and outcomes.

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)0,000
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 enseignants0,074
Score d'incertitude au seuil0,475

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,049
Tête enseignante GPT0,393
Écart entre enseignants0,344 · 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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Care QualityMême sujetUrinary Tract Infections ManagementTravaux en français237 207