Implementation of a surgical site infection prevention bundle in gynecologic oncology patients: An enhanced recovery after surgery initiative
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the clinical outcomes pre- and post-implementation of an evidence-informed surgical site infection prevention bundle (SSIPB) in gynecologic oncology patients within an Enhanced Recovery After Surgery (ERAS) care pathway. METHODS: Patients undergoing laparotomy for a gynecologic oncology surgery between January-June 2017 (pre-SSIPB) and between January 2018-December 2020 (post-SSIPB) were compared using t-tests and chi-square. Patient characteristics, surgical factors, and ERAS process measures and outcomes were abstracted from the ERAS® Interactive Audit System (EIAS). The primary outcomes were incidence of surgical site infections (SSI) during post-operative hospital admission and at 30-days post-surgery. Secondary outcomes included total postoperative infections, length of stay, and any surgical complications. Multivariate models were used to adjust for potential confounding factors. RESULTS: Patient and surgical characteristics were similar in the pre- and post-implementation periods. Evaluation of implementation suggested that preoperative and intraoperative components of the intervention were most consistently used. Infectious complications within 30 days of surgery decreased from 42.1% to 24.4% after implementation of the SSIPB (p < 0.001), including reductions in wound infections (17.0% to 10.8%, p = 0.02), urinary tract infections (UTI) (12.7% to 4.5%, p < 0.001), and intra-abdominal abscesses (5.4% to 2.5%, p = 0.05). These reductions were associated with a decrease in median length of stay from 3 to 2 days (p = 0.001). In multivariate analysis, these SSI reductions remained statistically significant after adjustment for potential confounders. CONCLUSION: Implementation of SSIPB was associated with a reduction in SSIs and infectious complications, as well as a shorter length of stay in gynecologic oncology patients.
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 | 0,012 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».