Reducing CLABSI Rates in Adult ICUs: A Multi-Center Performance Improvement Project (2020-2021)
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Central Line-Associated Bloodstream Infection (CLABSI) remains a leading cause of death among critically ill patients. Implementing preventive measures and adhering to best practices are crucial actions to proactively prevent its occurrence. This project aimed to reduce the overall CLABSI rate in adult medical/surgical Intensive Care Units (ICUs) of hospitals under the Ministry of Defense Health Services (MODHS) in Saudi Arabia. The baseline CLABSI rate was 2 cases per 1000 catheter days during the first quarter of 2020, while the target was to achieve a rate equal to or lower than 0.8 as reported by the American National Healthcare Safety Network (NHSN) in 2013. METHODS: The initiative was carried out across 15 hospitals under the purview of MODHS. Data on CLABSI incidents were collected from the ICUs dedicated to adult medical and surgical care. The project utilized the Institute for Healthcare Improvement collaborative model to achieve breakthrough improvement in a short-term learning system that facilitated the collaboration of participating hospitals in the pursuit of enhancements in CLABSI rates. The project involved 3 cycles, each consisting of a learning session followed by an action period. RESULTS: The data revealed a continuous improvement in the overall CLABSI rate within MODHS hospitals, progressing positively for 4 consecutive quarters and attaining a value of 0.3 during the third quarter of 2021. This signifies an impressive 85% reduction from the initial baseline of 2, and the rate remains below the project benchmark of 0.8. CONCLUSION: The project successfully employed collaborative learning cycles, fostering effective knowledge-sharing among teams and promoting active engagement. This approach proved instrumental in achieving learning objectives, identifying gaps, and determining appropriate courses of action. Key factors for the project's success included standardizing the change package, conducting regular training sessions, encouraging open discussions, and sharing experiences.
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 | 0,022 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».