Centre de Documentation HELHa Tournai - Mouscron
Heures d'ouverture (période scolaire)
| Tournai | Mouscron |
- lundi : 9h00-12h00 et 13h00-17h00
- mardi: 9h00-12h30 et 13h00-17h00
- mercredi: 9h00-12h30 et 13h00-17h30
- jeudi: 9h00-12h30 et 13h00-17h00
- vendredi: 09h00-17h00
| - lundi: 9h00 à 12h30 et 13h00 à 17h15
- mardi: 13h00 à 17h15
- mercredi: 13h00 à 17h15
- jeudi : 13h00 à 17h15
- vendredi: 13h00 à 17h00 |
Après identification sur connected (ID et mot de passe), les membres de la Helha ont l'accès à Cinahl et à Cairn en passant par l'onglet "Bases de données" de ce catalogue et en cliquant sur le lien d'accès.
Semaine du 19/05 à Tournai : Horaire habituel.
Semaine du 26/05 à Tournai : Fermé le jeudi 29/05 (Ascension).
Semaine du 02/06 à Tournai : Horaire habituel.
Semaine du 12/05 à Mouscron : Horaire habituel
Semaine du 19/05 à Mouscron : Horaire habituel. Horaire habituel
Semaine du 26/05 à Mouscron : Fermé le jeudi 29/05 (Ascension).
Notre catalogue possède un thésaurus (voir ci-dessous : catégories). Pour effectuer une recherche structurée, nous vous conseillons de cliquer sur la "recherche multi-critères". Dans le menu déroulant, descendez et choisissez "Indexations - Catégories", tapez votre descripteur (mot-clé) et sélectionnez-le lorsqu'il apparaît. Pour introduire un 2è terme, renouvelez l'opération (ET). Vous pouvez élargir les résultats en ajoutant des termes proches avec + (OU).
[article]
| Titre : |
Détection des infections du site opératoire par data mining : quelle performance ? |
| Type de document : |
texte imprimé |
| Auteurs : |
Julie Lizon ; Boris Marchand ; Nicolas Jay ; Arnaud Florentin |
| Année de publication : |
2017 |
| Article en page(s) : |
p. 351-358 |
| Langues : |
Français (fre) |
| Catégories : |
Alpha
C:Chirurgie ; C:Cicatrice ; F:Facteur prédictif ; H:Hygiène hospitalière ; I:Infection ; I:Infirmière hygiéniste ; S:Surveillance
|
| Résumé : |
Notre étude a pour objectif d’évaluer l’apport, par rapport au système actuel, des méthodes de data mining (DM) et des données issues du programme de médicalisation des systèmes d’information, pour détecter les infections du site opératoire (ISO). Matériel et méthode. Une étude de cohorte rétrospective a été établie, incluant 3 900 patients ayant été opérés entre le 1er janvier et le 31 août 2015 au centre hospitalier régional universitaire de Nancy. Le gold standard était le diagnostic d’ISO posé par les chirurgiens dans les 30 jours postopératoires. Les modèles de prédiction des ISO ont été construits grâce à deux méthodes de DM : les forêts aléatoires et les modèles adaptatifs (AdaBoost). Les performances des modèles ont été comparées. Résultats. L’incidence des ISO était de 4,92 %. Les sensibilités et spécificités des modèles de détection étaient respectivement de : 76 % et 93 % pour l’algorithme actuel, 81,4 % et 97,8 % pour le modèle de forêt aléatoire, 79,7 % et 97,7 % pour le modèle AdaBoost. Les deux modèles de DM sont plus performants que l’actuel tant pour l’aire sous la courbe (p < 10-5), que pour le Net Reclassification Improvement (p < 10-3), ainsi que pour le taux d’erreurs global (3 % versus 13 %). Conclusion. Les modèles de prédiction construits par DM ont montré chacun une meilleure performance en matière de détection des ISO. Leur utilisation en routine est possible mais nécessite au préalable leur validation sur un échantillon indépendant. |
| Permalink : |
http://cdocs.helha.be/pmbtournai/opac_css/index.php?lvl=notice_display&id=36943 |
in Hygiènes > Vol. XXV, 6 (Décembre 2017) . - p. 351-358
[article] Détection des infections du site opératoire par data mining : quelle performance ? [texte imprimé] / Julie Lizon ; Boris Marchand ; Nicolas Jay ; Arnaud Florentin . - 2017 . - p. 351-358. Langues : Français ( fre) in Hygiènes > Vol. XXV, 6 (Décembre 2017) . - p. 351-358
| Catégories : |
Alpha
C:Chirurgie ; C:Cicatrice ; F:Facteur prédictif ; H:Hygiène hospitalière ; I:Infection ; I:Infirmière hygiéniste ; S:Surveillance
|
| Résumé : |
Notre étude a pour objectif d’évaluer l’apport, par rapport au système actuel, des méthodes de data mining (DM) et des données issues du programme de médicalisation des systèmes d’information, pour détecter les infections du site opératoire (ISO). Matériel et méthode. Une étude de cohorte rétrospective a été établie, incluant 3 900 patients ayant été opérés entre le 1er janvier et le 31 août 2015 au centre hospitalier régional universitaire de Nancy. Le gold standard était le diagnostic d’ISO posé par les chirurgiens dans les 30 jours postopératoires. Les modèles de prédiction des ISO ont été construits grâce à deux méthodes de DM : les forêts aléatoires et les modèles adaptatifs (AdaBoost). Les performances des modèles ont été comparées. Résultats. L’incidence des ISO était de 4,92 %. Les sensibilités et spécificités des modèles de détection étaient respectivement de : 76 % et 93 % pour l’algorithme actuel, 81,4 % et 97,8 % pour le modèle de forêt aléatoire, 79,7 % et 97,7 % pour le modèle AdaBoost. Les deux modèles de DM sont plus performants que l’actuel tant pour l’aire sous la courbe (p < 10-5), que pour le Net Reclassification Improvement (p < 10-3), ainsi que pour le taux d’erreurs global (3 % versus 13 %). Conclusion. Les modèles de prédiction construits par DM ont montré chacun une meilleure performance en matière de détection des ISO. Leur utilisation en routine est possible mais nécessite au préalable leur validation sur un échantillon indépendant. |
| Permalink : |
http://cdocs.helha.be/pmbtournai/opac_css/index.php?lvl=notice_display&id=36943 |
|  |
Exemplaires (1)
|
| T007575 | HYG | Revue | Tournai | Soins infirmiers (T) | Disponible |
