Traffic in the operating room during joint replacement is a multidisciplinary problem
Notice bibliographique
Résumé
BACKGROUND: Door openings disrupt the laminar air flow and increase the bacterial count in the operating room (OR). We aimed to define the incidence of door openings in the OR during primary total joint arthroplasty (TJA) surgeries and determine whether measures were needed and/or possible to reduce OR staff traffic. METHODS: We recorded the number of door openings during 100 primary elective TJA surgeries; the OR personnel were unaware of the observer's intention. Operating time was divided into the preincision period, defined as the time from the opening of surgical trays to skin incision, and the postincision period, defined as time from incision to dressing application. RESULTS: The mean number of door openings during primary TJA was 71.1 (range 35-176) with a mean operative time of 111.9 (range 53-220) minutes, for an average of 0.64 (range 0.36-1.05) door openings/min. Nursing staff were responsible for 52.2% of total door openings, followed by anesthesia staff at 23.9% and orthopedic staff at 12.7%. In the preincision period, we observed an average of 0.84 door openings/ min, with nursing and orthopedic personnel responsible for most of the door openings. The postincision period yielded an average of 0.54 door openings/min, with nursing and anesthesia personnel being responsible for most of the door openings. CONCLUSION: There is a high incidence of door openings during TJA. Because we observed a range in the number of door openings per surgery, we believe it is possible to reduce this number during TJA.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».