Healthcare surfaces and transmission of pathogens: A consensus statement
Notice bibliographique
Résumé
Approximately 1.7 million infections occur annually in U.S. hospitals, with one in 25 patients acquiring a healthcare-associated infection (HAI) while hospitalized. Ongoing improvements in infection prevention and control protocols and processes reduce the risk of HAIs, but these are inhibited by surface pathogens that persist after routine cleaning and disinfection. It is unknown whether various surfaces and products in the healthcare setting are damaged by disinfectants creating invisible microbial reservoirs and ultimately, increasing the risk of transmitting pathogens. There are a variety of guidelines and recommendations to ensure equipment and surfaces can be cleaned and disinfected for safe use in the clinical setting, but no uniform approach exists for testing and product claims. Additionally, the life cycle of built environment surfaces and assembled clinical equipment may be greatly shortened by surface degradation, impacting cost and organizational sustainability goals. This consensus paper was developed to highlight gaps in evidence and recommend future action to a variety of stakeholders.
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 | 0,085 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,010 | 0,011 |
| Intégrité de la recherche | 0,029 | 0,034 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 ».