将算法和编码数据与传统监测进行比较,以确定澳大利亚的手术部位感染:一项追溯的多中心队列研究
P L Russo1, A C Cheng2, M Asghari-Jafarabadi3
1School of Nursing and Midwifery, Monash University, Clayton, Victoria, Australia; Cabrini Health, Malvern, Victoria, Australia.
The Journal of hospital infection
|April 14, 2024
概括
一个新的半自动算法准确地识别了需要审查的手术部位感染 (SSIs),与传统方法相比,大大减少了手动数据分析. 仅仅是编码数据就不足以提供可靠的SSI监控.
科学领域:
- 医疗保健流行病学 医疗保健流行病学
- 预防和控制感染.
- 医疗信息学 医疗信息学
背景情况:
- 澳大利亚的医疗保健相关感染 (HAI) 监测是分散的,昂贵的和不可持续的.
- 传统的HAI监测方法耗时,并且在临床之间有不同的协议.
研究的目的:
- 评估半自动算法和ICD-10-AM编码数据与传统的手术部位感染 (SSI) 监测相比.
- 确定SSI检测的替代方法的准确性和效率.
主要方法:
- 在两年内对部 (HPRO),膝盖 (KPRO) 假肢和冠状动脉旁路移植 (CABG) 手术进行了回顾性多中心队列研究.
- 来自感染预防和控制 (IPC) 团队的传统SSI数据与开发的算法和ICD-10-AM编码的结果进行比较.
主要成果:
- 半自动算法在HPRO (0.87) 和CABG (0.86) 病例中显示出高灵敏度来检测深层或器官空间 (D/O) SSI.
- 该算法还为HPRO D/O (0.97) 和CABG D/O (0.97) SSI提供了高正预测值 (PPV).
- 算法和编码数据都大大减少了需要手动审查的医疗记录量.
结论:
- 算法可以提高SSI监控的准确性,有效地识别IPC团队审查的记录.
- 仅仅ICD-10-AM编码数据不足以识别SSI,不应作为唯一的监控方法使用.
