A comparison of surgical site infections following total hip replacement and total knee replacement surgeries identified by Infection Prevention and Control and the National Surgical Quality Improvement Program in Alberta, Canada
Notice bibliographique
Résumé
OBJECTIVE: To understand how the different data collections methods of the Alberta Health Services Infection Prevention and Control Program (IPC) and the National Surgical Quality Improvement Program (NSQIP) are affecting reported rates of surgical site infections (SSIs) following total hip replacements (THRs) and total knee replacements (TKRs). DESIGN: Retrospective cohort study. SETTING: Four hospitals in Alberta, Canada. PATIENTS: Those with THR or TKR surgeries between September 1, 2015, and March 31, 2018. METHODS: Demographic information, complex SSIs reported by IPC and NSQIP were compared and then IPC and NSQIP data were matched with percent agreement and Cohen's κ calculated. Statistical analysis was performed for age, gender and complex SSIs. A P value <.05 was considered significant. RESULTS: In total, 7,549 IPC and 2,037 NSQIP patients were compared. The complex SSI rate for NSQIP was higher compared to IPC (THR: 1.19 vs 0.68 [P = .147]; TKR: 0.92 vs 0.80 [P = .682]). After matching, 7 SSIs were identified by both IPC and NSQIP; 3 were identified only by IPC, and 12 were identified only by NSQIP (positive agreement, 0.48; negative agreement, 1.0; κ = 0.48). CONCLUSIONS: Different approaches to monitor SSIs may lead to different results and trending patterns. NSQIP reports total SSI rates that are consistently higher than IPC. If systems are compared at any point in time, confidence on the data may be eroded. Stakeholders need to be aware of these variations and education provided to facilitate an understanding of differences and a consistent approach to SSI surveillance monitoring over time.
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 | 0,004 | 0,002 |
| 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 | 0,000 |
| 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 ».