Surgical Site Infection Rates After Implementation of the Surgical Care Improvement Project Initiative
Notice bibliographique
Résumé
Surgical site infections (SSIs) reflect a serious complication in modern healthcare and are a substantial burden to healthcare systems and service payers worldwide in terms of patient morbidity, mortality, and additional costs. The Surgical Care Improvement Project (SCIP), introduced in 2006, was developed by the Centers for Medicare and Medicaid Services to reduce SSI rates by 25%. However, SCIP was retired in 2015. Given the considerable financial burden of SSIs and because SSIs may be prevented using evidence-based measures, it was worth revisiting and re-evaluating the quality improvement efforts brought about by the success of the evidence-based SCIP initiative. This project aimed to examine the relationship between SCIP infection-prevention process-of-care measures and SSI rates between the years of high SCIP compliance, and several years after it was retired. The nature of this doctoral project was a quality improvement evaluation via a retrospective review of medical records acquired from the first quarter of 2014 to the fourth quarter of 2018. The SCIP core measure guidelines were used to define standards for care and thresholds for adherence. SSI rates were extracted and aggregated to look at trends and the chi-square test was used to show the relationship between two categorical variables. The analysis showed a significant difference between the proportions of infections from those of high SCIP compliance compared to the years following SCIP retirement (SCIP (Χ2(2) = 11.12, p < .004). The improvement of individual, community, and societal health is a significant contribution made by the nursing profession. The concept of SSI is essential in building the nursing science that will lead to identifying sound nursing interventions in the perioperative period.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».