Validation and implementation of group electronic hand hygiene monitoring across twenty-four critical care units
Notice bibliographique
Résumé
Abstract Objectives: An accurate estimate of the average number of hand hygiene opportunities per patient hour (HHO rate) is required to implement group electronic hand hygiene monitoring systems (GEHHMSs). We sought to identify predictors of HHOs to validate and implement a GEHHMS across a network of critical care units. Design: Multicenter, observational study (10 hospitals) followed by quality improvement intervention involving 24 critical care units across 12 hospitals in Ontario, Canada. Methods: Critical care patient beds were randomized to receive 1 hour of continuous direct observation to determine the HHO rate. A Poisson regression model determined unit-level predictors of HHOs. Estimates of average HHO rates across different types of critical care units were derived and used to implement and evaluate use of GEHHMS. Results: During 2,812 hours of observation, we identified 25,417 HHOs. There was significant variability in HHO rate across critical care units. Time of day, day of the week, unit acuity, patient acuity, patient population and use of transmission-based precautions were significantly associated with HHO rate. Using unit-specific estimates of average HHO rate, aggregate HH adherence was 30.0% (1,084,329 of 3,614,908) at baseline with GEHHMS and improved to 38.5% (740,660 of 1,921,656) within 2 months of continuous feedback to units ( P < .0001). Conclusions: Unit-specific estimates based on known predictors of HHO rate enabled broad implementation of GEHHMS. Further longitudinal quality improvement efforts using this system are required to assess the impact of GEHHMS on both HH adherence and clinical outcomes within critically ill patient populations.
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 | 0,001 | 0,003 |
| 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 ».