Association of Shift-Level Organizational Factors with Nosocomial Infection in the Neonatal Intensive Care Unit
Notice bibliographique
Résumé
Objective: To evaluate the association between shift-level organizational data (unit occupancy, nursing overtime ratios [OTRs], and nursing provision ratios [NPRs]) with nosocomial infection (NI) among infants born very preterm in the neonatal intensive care unit (NICU). Study design: weeks of gestation admitted to 3 tertiary-level NICUs in Quebec between 2014 and 2018. Patient characteristics and outcomes (NIs) were obtained from the Canadian Neonatal Network database and linked to administrative data. For each shift, unit occupancy (occupied/total beds), OTR (nursing overtime hours/total nursing hours), and NPR (number of actual/number of recommended nurses) were calculated. Mixed-effect logistic regression models were used to calculate aOR for the association of organizational factors (mean over 3 days) with the risk of NI on the following day for each infant. Results: Rate of NI was 11.5% (220/1921). Overall, median occupancy was 88.7% [IQR 81.0-94.6], OTR 4.4% [IQR 1.5-7.6], and NPR 101.1% [IQR 85.5-125.1]. A greater 3-day mean OTR was associated with greater odds of NI (aOR 1.08, 95% CI 1.02-1.15), a greater 3-day mean NPR was associated lower odds of NI (aOR 0.96, 95% CI 0.95-0.98), and occupancy was not associated with NI (aOR, 0.99, 95% CI 0.96-1.02). These findings were consistent across multiple sensitivity analyses. Conclusions: Nursing overtime and nursing provision are associated with the adjusted odds of NI among infants born very preterm in the NICU. Further interventional research is needed to infer causality.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».