Kalça Protezi Ameliyatlarına Yönelik Bir Öneri: Olasılığa Dayalı Sürveyans.

Objective: Surgical site infection (SSI) surveillance is time-consuming and hard. Identifying high-risk patients and focusing on these patients will be cost and time effective. This study aims to develop a model to identify high-risk patients for the development of SSI after hip replacement surgery and to estimate the utility of the model. Methods: Logistic regression model was created to determine the risk of SSI development using the National Health Service Associated Surveillance Network (USHİİSA) data. The stability of the model was tested using the Bootstrap resampling method. The individual probability of developing SSI was determined for each patient by using the model. The threshold probability to be used in distinguishing high-risk patients was found 1.2% by ROC analysis. For hospitals with different SSI rates and surveillance sensitivity, the utility of the model has been estimated by various parameters. Results: Female gender (OR:1.52; 95% CI:1.22-1.88), being over 65 years of age (OR:2.06; 95% CI:1.63-2.62), procedure duration longer than 75th percentile (OR:1.32; 95% CI:1.07-1.63), ASA score over 3 (OR:2.10; 95% CI:1.48-2.99), and surgery performed in a hospital other than a private hospital (p<0.001) were found to be independent risk factors for the development of SSI. When focusing on high-risk patients, as the rate of SSI of a hospital increases, the number of patients that need to be focused on detecting one more SSI decreased, and the number of additional SSIs increased. As the surveillance sensitivity of the hospitals decreases, the new rate obtained differs more from the old rate. Conclusions: Focusing on high-risk patients identified using the model caused to eliminate approximately half of the patients, thus saving labor and time. Using this model can be particularly beneficial for hospitals with a high SSI burden and low surveillance capacity. The model can be integrated into the national surveillance system so that highrisk patients can be prioritized. Modeling may be considered for the other surgeries. [ABSTRACT FROM AUTHOR]

Amaç: Cerrahi alan infeksiyonu (CAİ) sürveyansı zaman alıcı ve zordur. Yüksek riskli hastaların belirlenerek bu hastalara odaklanılması, maliyet ve zaman açısından daha etkin olacaktır. Bu çalışmada, kalça protezi ameliyatlarında CAİ gelişimi kapsamında yüksek riskli hastaların belirlenmesi için bir model geliştirilmesi ve geliştirilen modelin yararının tahmin edilmesi amaçlanmıştır. Yöntemler: Ulusal Sağlık Hizmeti İlişkili Sürveyans Ağı (USHİİSA) verileri kullanılmış ve CAİ gelişme riskini belirlemek için lojistik regresyon modeli oluşturulmuştur. Modelin istikrarı, Bootstrap yeniden örnekleme yöntemiyle test edilmiştir. Model kullanılarak her hasta için bireysel CAİ gelişme olasılığı belirlenmiştir. Yüksek riskli hastaları ayırmada kullanılacak eşik olasılık ROC analizi ile %1.2 bulunmuştur. Farklı CAİ hızı ve sürveyans duyarlılığına sahip hastaneler için modelin faydası çeşitli ölçütlerle tahmin edilmiştir. Bulgular: Kadın cinsiyet (OR:1.52; %95 GA:1.22-1.88), 65 yaşın üzerinde olmak (OR:2.06; %95 GA:1.63-2.62), ameliyat süresinin 75. yüzdelik dilimden uzun olması (OR:1.32; %95 GA:1.07-1.63), ASA skorunun 3'ün üzerinde olması (OR:2.10; %95 GA:1.48-2.99) ve ameliyatın özel hastane dışı bir hastanede yapılmış olması (p<0.001) CAİ gelişimi için bağımsız risk faktörleri olarak bulunmuştur. Yüksek riskli bulunan hastalara odaklanıldığında bir hastanenin CAİ hızı arttıkça, 1 CAİ daha tespit edilmesi için odaklanılması gereken hasta sayısı azalmış, tespit edilen CAİ sayısı artmıştır. Hastanelerin sürveyans duyarlılığı azaldıkça elde edilen yeni hız eski hızdan daha fazla farklılık göstermektedir. Sonuçlar: Çalışmada oluşturulan model kullanılarak belirlenen yüksek riskli hastalara odaklanıldığında hastaların yaklaşık yarısı elenmekte, bu da iş gücünden ve zamandan tasarruf sağlamaktadır. Bu modelin kullanılması özellikle CAİ yükü yüksek ve sürveyans kapasitesi düşük hastaneler için fayda sağlayabilir. Modelin ulusal sürveyans sistemine entegre edilmesiyle yüksek riskli hastaların önceliklendirilmesi sağlanabilir. Diğer ameliyatlar için de benzer bir modelleme uygulanması düşünülebilir. [ABSTRACT FROM AUTHOR]