デバイス関連感染症有病率と擦式アルコール製剤使用量との関連:多水準モデルによるアプローチ
Relationship between prevalence of device-associated infections and alcohol-based hand-rub consumption: a multi-level approach
C. Slekovec*, H. Gbaguidi-Haore, B. Coignard, X. Bertrand, D. Talon
*Centre Hospitalier Universitaire Besancon, France
Journal of Hospital Infection (2011) 78, 133-137
多水準ロジスティック回帰モデルを用いて、フランスの医療施設における擦式アルコール製剤の使用量とデバイス関連感染症有病率との関連の有無を評価した。2 種類の全国的データベース、すなわち 2006 年のフランスの院内感染有病率調査、および指標として擦式アルコール製剤の使用量(ICSHA;indicateur de consommation de solution hydro-alcoolique)を含む 2006 年フランス感染制御指標(2006 French Infection Control Indicators)データベースを使用した。医療施設に 2 日以上入院し、1 種類以上の医療器材(尿道カテーテル、血管カテーテル、または気管チューブ)を使用した患者を解析対象とした。多水準統計解析を実施し、患者レベルの変数と病院レベルの変数の共同効果を評価した。対象患者を 15 例以上含む 814 の医療施設を対象とし、合計患者数は 53,459 例であった。デバイス関連感染症の全有病率は 6.7%(95%信頼区間 6.4 ~ 6.9)であった。ICSHA の中央値は 37.2%であった。デバイス関連感染症有病率と ICSHA との間に関連はみられなかったが、患者レベルのすべての変数はデバイス関連感染症有病率と関連していた。デバイス関連感染症有病率の病院レベルでのばらつきの 25%は患者レベルの変数により説明されたが、本モデルに患者レベルの変数と病院レベルの変数の両方を組み入れた場合も、このばらつきの 60%は依然として説明されなかった。デバイス関連感染症有病率と手指衛生との関連をさらに評価するためには、侵襲性医療器材の操作に密接に関連する手指衛生の実践について、研究を重ねる必要がある。
サマリー原文(英語)はこちら
同カテゴリの記事
The Barts Surgical Infection Risk (B-SIR) tool: external validation and comparison with existing tools to predict surgical site infection after cardiac surgery R. Magboo*, J. Cooper, A. Shipolini, G. Krasopoulos, B.H. Kirmani, E. Akowuah, H. Byers, J. Sanders *St Bartholomew’s Hospital, Barts Health NHS Trust, UK Journal of Hospital Infection (2025) 156, 113-120
Predisposing factors, disease progression and outcome in 430 prospectively followed patients of healthcare- and community-associated Staphylococcus aureus bacteremia
Preventing ventriculostomy-related infections with antibiotic-impregnated drains in hospitals: a two-centre Dutch study
Successful realisation of a fully automated endoscope cleaning system T.D. Duong*, R.K. Hartley, R.J. Hartley, R. Bromley, T. Worthington, H. O’Connor, A.J. Sutherland *Aston University, UK Journal of Hospital Infection (2026) 172, 1-7
Feasibility of a real-time hand hygiene notification machine learning system in outpatient clinics
