Building an Interactive Geospatial Visualization Application for National Health Care–Associated Infection Surveillance: Development Study
Notice bibliographique
Résumé
BACKGROUND: The Centers for Disease Control and Prevention's (CDC's) National Healthcare Safety Network (NHSN) is the most widely used health care-associated infection (HAI) and antimicrobial use and resistance surveillance program in the United States. Over 37,000 health care facilities participate in the program and submit a large volume of surveillance data. These data are used by the facilities themselves, the CDC, and other agencies and organizations for a variety of purposes, including infection prevention, antimicrobial stewardship, and clinical quality measurement. Among the summary metrics made available by the NHSN are standardized infection ratios, which are used to identify HAI prevention needs and measure progress at the national, regional, state, and local levels. OBJECTIVE: To extend the use of geospatial methods and tools to NHSN data, and in turn to promote and inspire new uses of the rendered data for analysis and prevention purposes, we developed a web-enabled system that enables integrated visualization of HAI metrics and supporting data. METHODS: We leveraged geocoding and visualization technologies that are readily available and in current use to develop a web-enabled system designed to support visualization and interpretation of data submitted to the NHSN from geographically dispersed sites. The server-client model-based system enables users to access the application via a web browser. RESULTS: We integrated multiple data sets into a single-page dashboard designed to enable users to navigate across different HAI event types, choose specific health care facility or geographic locations for data displays, and scale across time units within identified periods. We launched the system for internal CDC use in January 2019. CONCLUSIONS: CDC NHSN statisticians, data analysts, and subject matter experts identified opportunities to extend the use of geospatial methods and tools to NHSN data and provided the impetus to develop NHSNViz. The development effort proceeded iteratively, with the developer adding or enhancing functionality and including additional data sets in a series of prototype versions, each of which incorporated user feedback. The initial production version of NHSNViz provides a new geospatial analytic resource built in accordance with CDC user requirements and extensible to additional users and uses in subsequent versions.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».