The Efficiency of Infection Control Teams In Lowering Infections Linked To Healthcare: Systematic Review
Notice bibliographique
Résumé
Background: Healthcare-associated infections (HCAIs) are a major concern in medical facilities worldwide, with an estimated 7–10% of patients affected. Infection control teams (ICTs) play a crucial role in preventing these infections by implementing guidelines, conducting surveillance, and educating healthcare professionals. However, the effectiveness of ICTs, with or without infection control link nurses (ICLNs), in reducing HCAIs remains unclear. This systematic review evaluates the impact of ICTs on infection rates, mortality, and compliance with infection control practices in various healthcare settings. Methods: A systematic review of randomized controlled trials (RCTs) was conducted following PRISMA guidelines. Databases searched included PubMed, EMBASE, CINAHL, and Cochrane CENTRAL. Studies assessing ICTs with or without ICLN systems in inpatient hospitals, outpatient clinics, and long-term care facilities were included. The primary outcomes measured were HCAI incidence, mortality, and hospital stay length, while secondary outcomes included staff compliance and cost-related factors. Risk of bias was assessed using the Cochrane risk-of-bias tool, and meta-analyses were performed where possible. Results: Nine RCTs met the inclusion criteria, covering hospital wards, dialysis units, and nursing homes. Meta-analysis of three studies showed no significant reduction in HCAI incidence (RR = 0.65, 95% CI: 0.45–1.07, very low certainty). Mortality due to HCAIs remained unaffected (RR = 0.32, 95% CI: 0.04–2.69, very low certainty). However, ICTs with ICLNs significantly improved compliance with infection control practices (RR = 1.17, 95% CI: 1.00–1.38, moderate certainty). Limited evidence was available for hospital stay duration and cost-related outcomes. Conclusion: While ICTs, particularly with ICLN systems, enhance compliance with infection control measures, their direct impact on reducing HCAIs and mortality remains uncertain. The high risk of bias and heterogeneity in study designs highlight the need for high-quality research with standardized outcome measures to assess the effectiveness of ICT interventions in healthcare settings.
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 | 0,017 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,017 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».