Reliability and feasibility of registered nurses conducting web‐based surgical site infection surveillance in the community: A prospective cohort study
Notice bibliographique
Résumé
Surgical site infections increase health care costs, morbidity, and mortality in 2% to 5% of surgical patients. Standardised post-surgical surveillance is rare in community settings, causing under-reporting and under-serving of the documented 60% of surgical site infections occurring following hospital discharge. This study evaluated feasibility and concordance (inter-rater reliability) of paired registered nurses using a web-based surveillance tool (how2trakSSI, based on validated guidelines) to detect surgical site infections for up to 30 days after surgery in a cohort of 101 patients referred to Calea Home Care Clinics in Toronto, Canada, March 2015 to July 2016. After paired registered nurse assessors used the tool-less than 10 minutes apart to measure concordance 5 to 7 days postoperatively, they provided feedback on its usefulness at two teleconference discussion groups September 6 to 7, 2016. Overall concordance between assessors was 0.822, remaining consistently above 0.65 across assessor education level and experience, patient age and weight, and wound area. Assessors documented 39.6% surgical site infection prevalence 5 to 7 days after surgery, confirming clinical need, relevance, reliability, and feasibility of using this web-based tool to standardise community surgical site infection surveillance, noting that it was user-friendly, more efficient to use than traditional paper-based tools and useful as a registry for tracking progress.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».