Cleaning and disinfecting surfaces in hospitals and long-term care facilities for reducing hospital and facility-acquired bacterial and viral infections: A systematic review
Notice bibliographique
Résumé
SUMMARY Background Multiply drug-resistant organisms (MDROs) in hospitals and long-term care facilities (LTCFs) of particular concern include meticillin-resistant S taphylococcus aureus (MRSA), vancomycin-resistant enterococcus, multidrug-resistant Acinetobacter species and extended spectrum beta-lactamase producing organisms. Respiratory viruses include influenza and SARS-CoV-2. Aim To assess effectiveness of cleaning and disinfecting surfaces in hospitals and LTCFs. Methods CINAHL, Cochrane CENTRAL Register of Controlled Trials, EMBASE, Medline, and Scopus searched inception to 28 June 2021, no language restrictions, for randomized controlled trials, cleaning, disinfection, hospitals, LTCFs. Abstracts and titles were assessed and data abstracted independently by two authors. Findings Of fourteen c-RCTs in hospitals and LTCFs, interventions in ten were focused on reducing patient infections of four MDROs and/or healthcare-associated infections (HAIs). In four c-RCTs patient MDRO and/or HAI rates were significantly reduced with cleaning and disinfection strategies including bleach, quaternary ammonium detergents, ultraviolet irradiation, hydrogen peroxide vapour and copper-treated surfaces or fabrics. Of three c-RCTs focused on reducing MRSA rates, one had significant results and one on Clostridioides difficile had no significant results. Heterogeneity of populations, methods, outcomes and data reporting precluded meta-analysis. Overall risk of bias assessment was low but high for allocation concealment, and GRADE assessment was low risk. No study assessed biofilms. Conclusions Ten c-RCTs focused on reducing multiple MDROs and/or HAIs and four had significant reductions. Three c-RCTs reported only patient MRSA colonization rates (one significant reductions), and one focused on Clostridioides difficile (no significant differences). Standardised primary and secondary outcomes are required for future c-RCTs including detailed biofilm cleaning/disinfection interventions.
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 | 0,006 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,009 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».