Public health investigation of infection prevention and control complaints in Ontario, 2015–2018
Notice bibliographique
Résumé
BACKGROUND: in 2015, Ontario public health units have been mandated to investigate infection prevention and control (IPAC) complaints in various settings, including those where regulated health professionals work. No surveillance system exists for IPAC complaints; therefore, little is known about their occurrence. Anecdotal evidence suggests a recent increase in IPAC complaints resulting in increased demand on public health resources. OBJECTIVES: To describe the occurrence of IPAC complaints and lapses in Ontario in 2015-2018 and the public health response to these. METHODS: Ontario public health units were surveyed about the occurrence and key challenges of IPAC complaint investigations through closed- and open-ended questions. The survey was disseminated through the Council of Ontario Medical Officers of Health listserv. Data collection spanned February 4-28, 2019. Descriptive statistical analyses and thematic analysis of free-text responses were performed. RESULTS: Twenty-one public health units responded for a 60% response rate; fewer responding health units had a population size of less than 100,000. A nearly six-fold increase in IPAC complaints was found, from a total of 79 complaints in 2015 to 451 in 2018. IPAC lapses nearly tripled, with 61 identified in 2015 and 168 in 2018. Whereas variation in the number of IPAC complaints and lapses among public health units was noted, the most common IPAC lapse involved inadequate reprocessing of reusable equipment. Key challenges in investigating IPAC complaints included lack of staff expertise/training, increased workload and costs, interjurisdictional inconsistencies and lack of guidance. CONCLUSION: IPAC complaints and lapses have increased in Ontario since 2015 when the Ministry of Health and Long-Term Care changed the IPAC complaint protocol. Public health units identified lack of expertise, increased workload, interjurisdictional inconsistencies and lack of guidance as challenges. Further research to confirm these findings, identify best practices to address these challenges as well as interventions to prevent IPAC lapses would be useful. Prospective surveillance of IPAC complaints, like for reportable diseases, would also be useful.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».