Antimicrobial Resistant Organism Admission Screening Adherence Using a Clinical Information System in a Provincial Healthcare System
Notice bibliographique
Résumé
Background: Targeted admission screening of high-risk patients for antimicrobial resistant organisms (AROs) is a key component of infection prevention and control. However, adherence with screening is suboptimal, risking a negligible impact on the prevention of ARO transmission. Clinical decision support tools in clinical information systems (CIS) may improve ARO screening adherence. This study evaluated the adherence of ARO admission screening using a tool in the provincial CIS in Alberta, Canada and the relationship between adherence and hospital ARO rates. Methods: A population-based, sequential cross-sectional study was completed on all admissions to acute care and acute rehabilitation facilities where ARO admission screening occurs on any unit, and where the CIS was implemented in Alberta between January 1, 2020 and March 31, 2024 (n=100). Mental health facilities/units, continuing care, newborns Results: There were 97 (97% of eligible facilities) facilities that implemented the CIS across seven launch periods included. Overall adherence ranged from 43% to 65%. After controlling for bed size and health zone, adherence decreased by the number of months each facility was active on the CIS (aIRR 0.987, 95%CI 0.986-0.987). There was no seasonality in trends. There was a negative relationship between adherence and overall MRSA infection rate (rs = -0.68) and after adjusting for bed size, health zone, and number of months active on the CIS (aIRR 0.99, 95% CI 0.986-0.994). Analysis could not be completed for CPO due to small numbers. Conclusions: While increased ARO admission screening adherence was associated with lower overall MRSA infection rates, the IRR was close to one and may not be clinically significant. With adherence decreasing over time, further work is needed to understand barriers to ARO admission screening and implement strategies to support healthcare providers in completing appropriate surveillance for AROs.
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 | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».