Investigating the association of room features with healthcare-facility–onset <i>Clostridioides difficile</i>: An exploratory study
Notice bibliographique
Résumé
OBJECTIVE: To investigate hospital room and patient-level risk factors associated with increased risk of healthcare-facility-onset Clostridioides difficile infection (HO-CDI). DESIGN: The study used a retrospective cohort design that included patient data from the institution's electronic health record, existing surveillance data on HO-CDI, and a walk-through survey of hospital rooms to identify potential room-level risk factors. The primary outcome was HO-CDI diagnosis. SETTING: A large academic medical center. PATIENTS AND PARTICIPANTS: All adult patients admitted between January 1, 2015, and December 31, 2016 were eligible for inclusion. Prisoners were excluded. Patients who only stayed in rooms that were not surveyed were excluded. RESULTS: The hospital room survey collected room-level data on 806 rooms. Included in the study were 17,034 patients without HO-CDI and 251 with HO-CDI nested within 535 unique rooms. In this exploratory study, room-level risk factors associated with the outcome in the multivariate model included wear on furniture and flooring and antibiotic use by the prior room occupant. Hand hygiene devices and fixed in-room computers were associated with reduced odds of a HO-CDI. Differences between hospital buildings were also detected. The only individual patient factors that were associated with increased odds of HO-CDI were antibiotic use and comorbidity score. CONCLUSION: Combining a hospital-room walk-through data collection survey, EHR data, and CDI surveillance data, we were able to develop a model to investigate room and patient-level risks for HO-CDI.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».