MétaCan
Menu
Retour à la cohorte
Enregistrement W3119168918 · doi:10.5430/jnep.v11n5p24

Evaluation of a quality improvement program to prevent healthcare acquired infections in an acute care hospital

2021· article· en· W3119168918 sur OpenAlexafffundvenue
Laurence Bernard, Alain Biron, Anaïck Briand, Samy Taha, Mélanie Lavoie‐Tremblay

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueInfection Control in Healthcare
Établissements canadiensMcGill UniversityMcGill University Health CentreUniversité de Montréal
Organismes subventionnairesMcGill University
Mots-clésAuditDocumentationInfection controlHealth careMedicineNursingThematic analysisQuality managementPatient safetyHealth professionalsTeamworkQuality (philosophy)Medical emergencyBusinessIntensive care medicineQualitative research

Résumé

récupéré en direct d'OpenAlex

Objective: The general purpose of the study was to evaluate a specific prevention program and its effects on infection prevention practices as part of continuous improvements in patient safety. Infection prevention is a global priority aimed at reducing mortality and morbidity rates related to infections acquired while under care.Methods: A descriptive study was carried out through a documentation analysis and semi-structured interviews with 13 healthcare professionals working in a healthcare centre where the infection prevention program was developed and implemented.Results: The thematic analysis identified three major axes: perceptions concerning audits and huddles strategies, the positive effects of the program on team building and, finally, its sustainability and continuous improvement.Conclusions: Globally, program enhanced the habits of professionals by developing an accurate perception of infections and the way to manage the related risk. The program Controlling Specific Infections Successful Strategies (CSISS) is seen as effective and sustainable by the participants. It contributes to a collaborative safety culture to reduce nosocomial infection rates.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,951
Score d'incertitude au seuil0,692

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,128
Tête enseignante GPT0,563
Écart entre enseignants0,435 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetInfection Control in HealthcareTravaux en français237 207