MétaCan
Menu
Retour à la cohorte
Enregistrement W3005773248 · doi:10.1017/ice.2020.4

Evaluation of the National Healthcare Safety Network standardized infection ratio risk adjustment for healthcare-facility-onset <i>Clostridioides difficile</i> infection in intensive care, oncology, and hematopoietic cell transplant units in general acute-care hospitals

2020· article· en· W3005773248 sur OpenAlexaff
Christopher R. Polage, Kathleen A. Quan, Keith Madey, Frank Edward Myers, Debbra A. Wightman, Sneha Krishna, Jonathan Grein, Laurel Gibbs, Deborah S. Yokoe, Shannon C Mabalot, Raymond Chinn, Amy Hallmark, Zachary Rubin, Michael Fontenot, Stuart Cohen, David Birnbaum, Susan S. Huang, Francesca J. Torriani

Notice bibliographique

RevueInfection Control and Hospital Epidemiology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueClostridium difficile and Clostridium perfringens research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineInterquartile rangeIntensive care unitTertiary referral hospitalEmergency medicineReferralClostridioidesRetrospective cohort studyAcute careHematopoietic cellHealth careIntensive careInternal medicineIntensive care medicineFamily medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To evaluate the National Health Safety Network (NHSN) hospital-onset Clostridioides difficile infection (HO-CDI) standardized infection ratio (SIR) risk adjustment for general acute-care hospitals with large numbers of intensive care unit (ICU), oncology unit, and hematopoietic cell transplant (HCT) patients. DESIGN: Retrospective cohort study. SETTING: Eight tertiary-care referral general hospitals in California. METHODS: We used FY 2016 data and the published 2015 rebaseline NHSN HO-CDI SIR. We compared facility-wide inpatient HO-CDI events and SIRs, with and without ICU data, oncology and/or HCT unit data, and ICU bed adjustment. RESULTS: For these hospitals, the median unmodified HO-CDI SIR was 1.24 (interquartile range [IQR], 1.15-1.34); 7 hospitals qualified for the highest ICU bed adjustment; 1 hospital received the second highest ICU bed adjustment; and all had oncology-HCT units with no additional adjustment per the NHSN. Removal of ICU data and the ICU bed adjustment decreased HO-CDI events (median, -25%; IQR, -20% to -29%) but increased the SIR at all hospitals (median, 104%; IQR, 90%-105%). Removal of oncology-HCT unit data decreased HO-CDI events (median, -15%; IQR, -14% to -21%) and decreased the SIR at all hospitals (median, -8%; IQR, -4% to -11%). CONCLUSIONS: For tertiary-care referral hospitals with specialized ICUs and a large number of ICU beds, the ICU bed adjustor functions as a global adjustment in the SIR calculation, accounting for the increased complexity of patients in ICUs and non-ICUs at these facilities. However, the SIR decrease with removal of oncology and HCT unit data, even with the ICU bed adjustment, suggests that an additional adjustment should be considered for oncology and HCT units within general hospitals, perhaps similar to what is done for ICU beds in the current SIR.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,021
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,046
Tête enseignante GPT0,353
Écart entre enseignants0,307 · 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.

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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInfection Control and Hospital EpidemiologyMême sujetClostridium difficile and Clostridium perfringens researchTravaux en français237 207