MétaCan
Menu
Back to cohort
Record W7105126678 · doi:10.71781/31849

Une meilleure conformité à l’hygiène des mains permet-elle de réduire significativement le risque d’infections nosocomiales?

2021· dissertation· fr· W7105126678 on OpenAlexaboutno aff

Bibliographic record

VenuePapyrus : Institutional Repository (Université de Montréal) · 2021
Typedissertation
Languagefr
FieldMedicine
TopicInfection Control in Healthcare
Canadian institutionsnot available
Fundersnot available
KeywordsMedium termIle de franceMains electricityElectrodiagnosis

Abstract

fetched live from OpenAlex

Les infections associées aux soins de santé ou infections nosocomiales (IN) sont des effets indésirables ayant de graves conséquences sur la santé des patients. Les pathogènes responsables de certaines IN sont transmis par le biais des mains contaminées, entre autres celles des professionnels de la santé (PS). Ces IN sont donc en théorie évitables. L’hygiène des mains (HDM) est considérée comme la pierre angulaire de la prévention et contrôle des infections (PCI). C’est un moyen simple, efficace et peu couteux qui permet d’empêcher la transmission des pathogènes et de réduire la probabilité d’infections ultérieures. Malheureusement, les taux de conformité à l’HDM au sein des PS restent inférieurs à la cible globale de 80% indiquée par l’OMS, malgré de nombreuses campagnes instaurées pour sensibiliser ceux-ci. Considérant les faibles taux de conformité à l’HDM, les autorités sanitaires envisagent d’augmenter cette cible. Le but de mon mémoire est de synthétiser les preuves existantes sur l’association entre le taux de conformité à l’HDM et les taux d’incidence des IN. Ceci permettrait de déterminer s’il y a un taux optimal de conformité à l’HDM qui serait associé au plus faible taux d’incidence des IN. Les résultats obtenus permettront aux autorités sanitaires de considérer la pertinence de viser des cibles d’HDM plus élevées. J’ai effectué une revue systématique de la littérature afin d’analyser les données disponibles sur l’association des taux de conformité à l’HDM et le taux d’incidence des IN. J’ai également analysé les données sur les taux de conformité à l’HDM et les taux d’incidence d’IN des installations de soins de santé du Québec. Les résultats semblent démontrer qu’au-delà d’un taux de conformité à l’HDM de 60%, il y a peu de différence apparente entre un fort taux de conformité à l’HDM et un faible taux d’incidence des IN. L’HDM, quoique mesure très importante, n’est pas le seul facteur servant à réduire les IN.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.009
metaresearch head score (Gemma)0.022
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.013
Threshold uncertainty score0.045

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0090.022
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.003
Scholarly communication0.0050.004
Open science0.0020.002
Research integrity0.0030.003
Insufficient payload (model declined to judge)0.0130.002

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.011
GPT teacher head0.223
Teacher spread0.212 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2021
Admission routes1
Has abstractyes

Explore more

Same venuePapyrus : Institutional Repository (Université de Montréal)Same topicInfection Control in HealthcareFrench-language works237,207