Improving infection prevention practices through a novel safety coaches program
Notice bibliographique
Résumé
Background: Healthcare-associated infections (HAIs) contribute to extended hospital stays and heightened in-hospital mortality rates. Effective infection prevention and control (IPAC) strategies are crucial for curtailing infection rates. The COVID-19 pandemic amplified disease burdens, compelling rigorous preventative measures. Mackenzie Health introduced the IPAC Safety Coaches Program to bolster adherence to IPAC guidelines and mitigate HAIs. Methods: IPAC Safety Coach training transpired over three iterative cohorts of educational sessions. Each session comprised a review of new learning material, discussion of key topics, and mandatory action items. Primary outcomes focused on hand hygiene and proper donning/doffing of personal protective equipment (PPE). Secondary outcomes focused on Clostridioides difficile (C. difficile) and central line associated bloodstream infection (CLABSI) rates. Data were collected using a standardized audit reporting form. Results: Across three training cohorts, improvements were noted in key compliance metrics: hand hygiene compliance improved by 9%, approaching statistical significance. Significant improvements were observed in PPE donning (19%), and PPE doffing (17%) compliance. Secondary outcomes demonstrated substantial reductions in C. difficile (55%) and CLABSI (57%) rates across the three cohorts. Conclusion: The novel IPAC Safety Coach Program led to improvements in hand hygiene, PPE donning and doffing compliance, and contributed to reduced C. difficile and CLABSI infection rates.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».