Association between intrahospital transfer and hospital-acquired infection in the elderly: a retrospective case–control study in a UK hospital network
Notice bibliographique
Résumé
BACKGROUND: Intrahospital transfers have become more common as hospital staff balance patient needs with bed availability. However, this may leave patients more vulnerable to potential pathogen transmission routes via increased exposure to contaminated surfaces and contacts with individuals. OBJECTIVE: This study aimed to quantify the association between the number of intrahospital transfers undergone during a hospital spell and the development of a hospital-acquired infection (HAI). METHODS: A retrospective case-control study was conducted using data extracted from electronic health records and microbiology cultures of non-elective, medical admissions to a large urban hospital network which consists of three hospital sites between 2015 and 2018 (n=24 240). As elderly patients comprise a large proportion of hospital users and are a high-risk population for HAIs, the analysis focused on those aged 65 years or over. Logistic regression was conducted to obtain the OR for developing an HAI as a function of intrahospital transfers until onset of HAI for cases, or hospital discharge for controls, while controlling for age, gender, time at risk, Elixhauser comorbidities, hospital site of admission, specialty of the dominant healthcare professional providing care, intensive care admission, total number of procedures and discharge destination. RESULTS: Of the 24 240 spells, 2877 cases were included in the analysis. 72.2% of spells contained at least one intrahospital transfer. On multivariable analysis, each additional intrahospital transfer increased the odds of acquiring an HAI by 9% (OR=1.09; 95% CI 1.05 to 1.13). CONCLUSION: Intrahospital transfers are associated with increased odds of developing an HAI. Strategies for minimising intrahospital transfers should be considered, and further research is needed to identify unnecessary transfers. Their reduction may diminish spread of contagious pathogens in the hospital environment.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| 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 ».