Committed to Better Outcomes: Reducing Infection after Surgery Across the Ontario Surgical Quality Improvement Network
Notice bibliographique
Résumé
BACKGROUND: In 2015, the Ontario Surgical Quality Improvement Network was established to create a community of practice for Ontario hospitals to improve surgical quality. A provincial campaign to decrease postsurgical infections was launched in 2017. STUDY DESIGN: Thirty hospitals implemented activities related to the campaign from April 2018 to March 2019. The community of practice was used to disseminate suggested change ideas in each area. Self-reported data from participating hospitals and collaborative-wide aggregate risk-adjusted data from the American College of Surgeons NSQIP were reviewed to determine the impact of the campaign on the rates of postoperative surgical site infections (SSIs), urinary tract infections (UTIs), and pneumonia. RESULTS: A total of 24, 8, and 2 hospitals selected SSIs, UTIs, and pneumonia, respectively, as their targets for improvement. Three hospitals selected both SSIs and UTIs, 1 hospital selected SSIs and pneumonia, and 1 hospital selected all 3 indicators as targets. Self-reported data demonstrated that the rates of SSIs and UTIs decreased significantly post campaign from 4.87% to 3.99% (p < 0.0001) and from 3.65% to 1.25% (p = 0.007), respectively. Pneumonia rates also decreased from 1.27% to 1.05%. Overall rates of SSIs, UTIs, and pneumonia across all Ontario Surgical Quality Improvement Network hospitals were reduced from 3.4%, 1.29%, and 0.88% to 3.37%, 1.14%, and 0.84%, respectively. CONCLUSIONS: The 1-year campaign resulted in a clinically significant reduction in the rates of SSIs and UTIs, as well as a trend for decrease in pneumonia incidence among participating hospitals. Using a flexible approach with priority setting and leveraging the community of practice for dissemination of change ideas is an effective way of sustaining quality improvement activities.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».