MétaCan
Menu
Retour à la cohorte
Enregistrement W4406867761 · doi:10.3390/epidemiologia6010005

Healthcare Settings and Infection Prevention: Today’s Procedures in Light of the “Instructions for Disinfection” Issued During the 1817 Typhus Epidemic in the Grand Duchy of Tuscany (Pre-Unification Italy)

2025· article· en· W4406867761 sur OpenAlexaff
Davide Orsini, Maria Luisa Cristina, Anna Maria Spagnolo, Carola Minet, Marina Sartini, Roberto Parrella, Nicola Luigi Bragazzi, Mariano Martini

Notice bibliographique

RevueEpidemiologia · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueComplementary and Alternative Medicine Studies
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésTyphusHygieneHealth careSanitationDuchyMedicineHistoryPolitical scienceLawVirology

Résumé

récupéré en direct d'OpenAlex

Even today, healthcare-associated infections (HCAIs) remain the most frequent and serious complications in healthcare, with a significant clinical and economic impact. The authors of this manuscript address the causes and conditions that determine this situation and describe them in comparison with the situation in the Grand Duchy of Tuscany more than two centuries ago and with the instructions that were issued at the time to contain the typhus epidemic of 1817, increase hospital sanitation, and disinfect houses. Today, we know that a crucial element in the fight against healthcare-associated infections (HCAIs) is the definition and implementation of best care practices and other measures, according to a combined program that must be tailored to each healthcare setting. In the early nineteenth century, these approaches originated from experience and chemical knowledge that were becoming established, opening the way to the ideas and experiments of Ignác Fülöp Semmelweis and later of Joseph Lister, who traced the path for the birth of hygiene. Two centuries later the pioneering vision of the Grand Duchy of Tuscany at the beginning of the 19th century, when preventive measures in the field of public health were still backward and underdeveloped, is still enlightening and surprisingly topical.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,477

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,366
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEpidemiologiaMême sujetComplementary and Alternative Medicine StudiesTravaux en français237 207