<i>Clostridioides difficile</i> surveillance: 9-year comparison between automated surveillance and conventional surveillance in acute care hospitals
Notice bibliographique
Résumé
Abstract Objective: To develop and validate an automated surveillance system for healthcare-associated Clostridioides difficile infections (HA-CDI). Design: Multicenter cohort study. Setting: 16 acute care hospitals. Patients: Patients admitted to participating hospitals between 2013 and 2022. Methods: An automated surveillance system was developed with retrospective extraction from admission/discharge/transfer and laboratory databases and compared with conventional surveillance based on clinical definitions collected prospectively by infection control professionals. Comparison of HA-CDI incidence rates calculated by automated vs conventional surveillances were performed with χ2, incidence rate ratios, and linear regression. A subset of discordant cases was further investigated by reviewing medical records. Results: Overall, conventional surveillance reported 3,211 cases of HA-CDI for an incidence rate of 4.94 per 10,000 patient-days. Automated surveillance detected 4,708 cases, for an incidence rate of 7.24 per 10,000 patient-days (incidence rate ratio, 1.47; 95% CI, 1.40–1.53). Full concordance between both surveillance methods was observed in 62% of cases, while 34% of cases were detected only by automated surveillance, and 4% were detected by conventional surveillance only. Between 2013 and 2022, an identical declining trend in HA-CDI incidence rates of –0.54 cases per 10,000 patient-days was observed with both surveillance methods. A subset of 49 cases detected only by automated surveillance were reviewed; the main reasons for discrepancy were delayed testing (39%), colonization (24%), misclassifications (14%), and interinstitutional transfers (12%). Conclusions: HA-CDI incidence rates calculated by automated surveillance were higher than those of conventional surveillance, but the overestimation was consistent over time, suggesting that a correction factor could improve precision.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».