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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».