�슦由щ굹�씪 醫낇빀蹂묒썝�뿉�꽌 �씤�젰, 湲곌뎄�� �솢�룞�쓣 以묒떖�쑝濡� �븳 媛먯뿼愿�由ъ쓽 �떎�긽
Notice bibliographique
Résumé
BACKGROUND: It has been more than 15 years since infection control was first introduced in Korea, but there is little information available on the status of infection control program in the country. \n\nMETHODS: Included in the study were 139 acute care hospitals with more than 300 inpatient beds. A questionnaire, modified from US SENIC (Study on the Efficacy of Nosocomial Infection Control) and Canadian RICH (Resources for Infection Control in Canadian Acute Care Hospitals) survey, was mailed to the hospitals in the winter of 2003. \n\nRESULTS: Ninety-eight (70.5%) of 139 hospitals responded. There was an average of 1.2 (SD, 0.7) Infection Control Practitioners (lCPs) in each hospital and 95.7% were nurses and only 56.5% of the ICPs worked as full-time. The 71.4% of the hospitals had a position for Infection Control Doctor. All hospitals had an Infection Control Committee, which met an average of 3.7 (SD, 1.7) times a year. The 85.7% of the hospitals performed surveillance, but only 31.6% were monitoring surgical site infections. Review of microbiology data was the most common method for case-finding. More than 90% of the hospitals had infection control policies and guidelines, but an adherence to the policies and guidelines was not monitored regularly. \n\nCONCLUSION: This study reports the first comparable profile of infection control program of general acute care hospitals in Korea. Although the foundation for infection control program appears to have been established, there is the need for a further increase in the number of ICPs, the standardization of the surveillance method, and the promotion of adherence to the infection control guidelines.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».