Diagnostic stewardship and the coronavirus disease 2019 (COVID-19) pandemic: Lessons learned for prevention of emerging infectious diseases in acute-care settings
Notice bibliographique
Résumé
Executive summary The coronavirus disease 2019 (COVID-19) pandemic has demonstrated the importance of stewardship of viral diagnostic tests to aid infection prevention efforts in healthcare facilities. We highlight diagnostic stewardship lessons learned during the COVID-19 pandemic and discuss how diagnostic stewardship principles can inform management and mitigation of future emerging pathogens in acute-care settings. Diagnostic stewardship during the COVID-19 pandemic evolved as information regarding transmission (eg, routes, timing, and efficiency of transmission) became available. Diagnostic testing approaches varied depending on the availability of tests and when supplies and resources became available. Diagnostic stewardship lessons learned from the COVID-19 pandemic include the importance of prioritizing robust infection prevention mitigation controls above universal admission testing and considering preprocedure testing, contact tracing, and surveillance in the healthcare facility in certain scenarios. In the future, optimal diagnostic stewardship approaches should be tailored to specific pathogen virulence, transmissibility, and transmission routes, as well as disease severity, availability of effective treatments and vaccines, and timing of infectiousness relative to symptoms. This document is part of a series of papers developed by the Society of Healthcare Epidemiology of America on diagnostic stewardship in infection prevention and antibiotic stewardship. 1
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 | 0,033 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,011 | 0,009 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».