Les relations entre l’importation, la transmission et les infections nosocomiales de Staphylococcus aureus résistant à la méthicilline: une étude observationnelle des centres médicaux des anciens combattants

Contexte L’étude de l’épidémiologie du SARM à Staphylococcus aureus résistant à la méthicilline est compliquée par sa transmissibilité Notre objectif était de comprendre comment l’importation et la transmission du SARM influencent les infections nosocomiales à SARM dans les centres médicaux des anciens combattants VAMCMéthodes Nous avons effectué des analyses hospitalières de la prévalence des SARM. Les taux d’INCC, chacun étant une mesure de substitution de l’importation, de la transmission et de l’infection nosocomiale, respectivement Nous avons étudié les VAMC d’octobre à septembre, après le début d’une intervention groupée incluant la surveillance active du SARM. modèles mixtes linéaires généralisésRésultats Un million de tests de surveillance ont été collectés sur un million d’admissions. La prévalence globale des admissions de SARM était de%, l’acquisition était par patient-jour à risque et l’INCC par patient-jour à risque. Cette hausse était associée à une augmentation en% de ses taux d’acquisition hebdomadaires P & lt; et une augmentation en% de ses taux hebdomadaires d’INCC P & lt; Des diminutions significatives ont été observées dans toutes les mesures au cours de la période d’étude P & lt; Lorsque les taux d’INCC ont été stratifiés par SARM nasale à l’admission, une tendance significative à la baisse n’a été observée que chez les patients initialement négatifs. Conclusions Les associations mesurées entre la prévalence d’admission, le taux d’acquisition et le taux d’INCC étaient compatibles avec l’hypothèse d’une diminution des importations. La tendance à la baisse du taux d’INCC spécifiquement chez les personnes ayant des tests de surveillance à l’admission négatifs suggère que la diminution de la transmission a contribué à des taux plus faibles d’infection nosocomiale à SARM

Staphylococcus aureus résistant à la méthicilline, transmission, infection associée aux soins, prévalence, incidence Staphylococcus aureus résistant à la méthicilline Le SARM a été signalé cliniquement pour la première fois dans le monde et a depuis été disséminé dans le monde entier. Récemment, des études multicentriques et des programmes d’amélioration de la qualité ont rapporté des résultats dissemblables d’interventions groupées incluant une surveillance active du SARM et des précautions contre le contact. ces études, l’essai randomisé en grappes d’unités de soins intensifs avec un groupe témoin a montré que les taux d’acquisition ou d’infection par Enterococcus résistant à la vancomycine et MRSA étaient comparables entre les groupes d’intervention et de contrôle L’étude quasi-expérimentale tous les hôpitaux ont décrit une diminution significative suite à la mise en place d’un ensemble de SARM dans les centres médicaux vétérans des centres vétérans Plusieurs facteurs systémiques et hospitaliers peuvent avoir contribué aux taux SARM-HAI observés et pourraient expliquer ces résultats apparemment discordants Importation de SARM dans l’hôpital et la transmission peut expliquer certaines différences entre les taux de SARM-HAI dans différents contextes Une étude suggère que les diminutions de SARM-HAI observées dans l’étude Veterans Affairs VA peuvent ne pas être dues à des changements dans la transmission mais d’autres améliorations dans le contrôle des infections. La base de données microbiologique nationale codée du système VA a permis d’étudier le rôle de l’importation et de la transmission du SARM sur les taux de SARM et de HAI. Nous avons testé les hypothèses suivantes avec les marqueurs de substitution de nos concepts ciblés: versa; et les taux d’importation et de transmission ont été associés à l’infection nosocomiale à SARM

Méthodes

Paramètre et source de données

En octobre, tous les VAMC avaient mis en place le SARM Cette intervention a imposé des tests de surveillance nasale à tous les patients hospitalisés lors de l’admission, du transfert et du congé dans tous les services hospitaliers, sauf ceux de santé mentale. Dans les modèles de régression, nous avons exclu la première année de résultats d’octobre à septembre pour réduire les biais qui résulteraient de l’amélioration de la surveillance des rejets Patients congédiés en cas d’observation ambulatoire, les AVAC étaient exclues si elles énuméraient au moins les lits de soins actifs pour patients hospitalisés au cours de l’exercice allant d’octobre à septembre. Elles ont été exclues si elles avaient: & lt; semaines avec au moins admissions par semaine Les VAMC ont été retirées des modèles de régression si les données des tests de surveillance n’étaient pas trouvées pour% des admissions. Les résultats des tests de culture clinique et de SARM ont été extraits des rapports de microbiologie et des données de laboratoire.

Cadre conceptuel

Pour clarifier les termes et les relations, nous avons utilisé un modèle pour mapper les concepts cibles aux mesures de substitution. Dans la figure, les patients déjà colonisés ou infectés par le SARM au moment de l’admission à l’hôpital «importent» le SARM à l’hôpital. contact avec un autre patient, agent de santé ou environnement, une “transmission” a lieu La colonisation peut “progresser” vers une infection symptomatique par des culottes dans les défenses de l’hôte Une infection est considérée comme “nosocomiale” si la progression de l’infection survient après admission à l’hôpital.

Figure Vue largeTélécharger un modèle conceptuel de la relation entre importation, taux de transmission, taux de progression et infection nosocomiale Les concepts cibles sont liés entre eux et aux données observables Une carte des concepts cibles avec leurs mesures de substitution est présentée dans la figure. Les cases grises indiquent les états qui ne sont pas directement enregistrés dans les données, et les cases blanches indiquent les tests qui peuvent être observés. Les cases en pointillés représentent des processus qui ne sont pas directement observés. ligne représentant la transmission représente que la transmission se produit indirectement, c’est-à-dire que les nouveaux individus colonisés par contact avec d’autres qui sont déjà colonisés ou infectés représentent un test positifFigure Voir grandDownload slideUn modèle conceptuel de la relation entre importation, taux de transmission, taux de progression et infection nosocomiale Cible Les transmissions, les infections nosocomiales et les événements de progression sont tous correctement dénommés par leurs patients-jours respectifs à risque. Les cases grises indiquent les états qui sont Les cases en pointillés représentent des processus qui ne sont pas directement observés. La ligne en pointillé représentant la transmission représente une transmission indirecte, c’est-à-dire que les nouveaux individus sont colonisés par contact avec d’autres personnes qui sont Les mesures suivantes ont été utilisées comme indicateurs de substitution Figure: importation de la prévalence de l’admission, transmission du taux d’acquisition et culture clinique nosocomiale d’incidence Taux d’INCC infection nosocomiale Les prélèvements nasaux ont été utilisés pour déduire état de la colonisation Clinique La prévalence de l’admission était définie comme la proportion de tests positifs parmi les patients hospitalisés dépistés pour le portage nasal du SARM dans les heures suivant leur admission. Ce seuil a été choisi pour minimiser la classification erronée des acquisitions précoces comme admissions courantes; environ% des acquisitions sont survenues dans les jours suivant l’admission données non publiées Une acquisition a été définie comme le premier test de surveillance MRSA-positif d’une admission qui a suivi un test négatif initial lors de la même admission Une INCC a été définie comme une nouvelle culture clinique MRSA-positive & gt; jours civils après l’admission chez les patients sans antécédents cliniques MRSA positifs au cours de la dernière année Pour évaluer la fiabilité de cette mesure par rapport à l’évaluation humaine, nous avons examiné les admissions positives pour la culture clinique du SARM entre les exercices et au système de santé. A titre de comparaison, le κ entre d’autres experts humains examinant le même ensemble était des données non publiées. La classification ultérieure de l’INCC en catégories «admission-carrier» et «new-carrier» On a indiqué si l’INCC était survenue après un test nasal positif ou négatif à l’admission, respectivement. Un nouveau transporteur INCC reflétait l’apparition de la transmission et de la progression lors de l’admission Un transporteur d’admission INCC reflétait l’apparition de la progression seulement. à risque lorsque les patients étaient éligibles pour le résultat de l’intérêt La prévalence quotidienne était En supposant que les individus ayant subi des tests de surveillance positifs soient restés colonisés jusqu’à la fin de leur séjour à l’hôpital, des modèles statistiques de mesures de substitution ont été construits pour refléter les relations de leurs sous-jacents. concepts La théorie de l’action de masse postule que le taux de transmission par individu sensible est proportionnel à la prévalence ou à la densité d’individus infectieux dans la population En milieu hospitalier, cette prévalence a été appelée «pression de colonisation» ; Parce que la prévalence de l’admission affecte la prévalence quotidienne, le principe de l’action de masse a conduit à prédire que la prévalence de l’admission influe sur l’acquisition. L’effet est indirect car les patients qui contractent le SARM ne sont pas les mêmes que ceux qui importent le SARM. a également prédit que le taux d’acquisition influe sur la prévalence de l’admission parce que les patients qui contractent le SARM peuvent contribuer à la prévalence future de l’admission lorsqu’ils sont réadmis.

Analyses statistiques

La prévalence de l’admission a été utilisée pour prédire les taux d’acquisition et les taux INCC des transporteurs d’admission. Les taux d’acquisition ont été utilisés pour prédire la prévalence, le taux d’INCC et le taux d’INCC. La prévalence de l’admission et les taux d’acquisition ont été utilisés pour prédire les taux d’INCC et de nouveaux transporteurs INCC Dans chaque modèle, la variable dépendante a été agrégée hebdomadairement. Les variables prédictives ont été divisées en composantes, une pour mesurer la variation intrahospitalière et l’autre pour mesurer Variation hospitalière La composante intra-hospitalière a été calculée comme une moyenne mobile pour réduire le bruit stochastique. Un intervalle de semaine a été utilisé pour lisser toutes les variables variant dans le temps, sauf pour le modèle prédisant la prévalence de l’admission. % des patients réadmis ont été réadmis à ce moment-làLes données ont été ajustées en utilisant la procédure GLIMMIX Dans chaque modèle, une fonction de liaison logarithmique et une distribution de Poisson surdispersée pour la variable dépendante ont été spécifiées. Une structure d’autocorrélation de premier ordre correspondait empiriquement aux données et était donc utilisée pour rendre compte de la corrélation. Les prévalences et l’acquisition des admissions ont été transformées en variables prédictives, de sorte que les modèles de régression ont relié la variation relative des variables de résultat aux variations relatives des variables prédictives. inclus dans les modèles: affiliation académique ; emplacement de l’hôpital rural basé sur le code postal ; nombre de lits opérationnels; exercice financier Medicare risque patient par diagnostic coût regroupant une mesure de la dépense relative que les anciens combattants dans un hôpital sont censés encourir ; et nombre de programmes cliniques complexes, p. ex., neurochirurgie, cardiologie interventionnelle Les statistiques de Mantel-Haenszel ont été utilisées pour les comparaisons tarifaires brutesSQL Server Microsoft, Redmond, Washington, version Stata StataCorp, College Station, Texas et SAS SAS Institute Inc, Cary, North La Caroline a été utilisée à divers stades de l’analyse Les données ont été stockées et analysées sur l’infrastructure informatique et informatique des anciens combattants Cette étude a été approuvée par le comité d’examen de la recherche du système de soins de santé de l’Université de Utah.

RÉSULTATS

Description de la population

La Veterans Health Administration englobe les hôpitaux de soins de courte durée Quarante hôpitaux ont été exclus de cette étude pour les raisons suivantes: données électroniques incomplètes n =; nombre insuffisant d’admissions hebdomadaires n =; et & lt; lits de soins aigus n = Parmi les hôpitaux inclus,% étaient académiquement affiliés Tableau Deux hôpitaux supplémentaires ont été exclus des analyses de régression parce que les données de surveillance étaient présentes pour <% des admissions

Caractéristiques de la table des hôpitaux inclus, exercices financiers – Nombre caractéristique Nombre total d’hôpitaux universitaires% affiliés% ruraux Nombre d’unités de soins intensifs% Taille, lits médians de l’IQR opérationnel – Lits médicaux occupés / d – Lits occupés en USI / d – Décharges quotidiennes de soins actifs – Complexité Complexe programmesa – Risque patientb – Nombre de patients Total Nombre d’hôpitaux Universitaires% ruraux% ICU% Taille, IQR médian Lits opérationnels – Lits médicaux occupés / d – Lits occupés en USI / d – Décharges journalières en soins actifs – Complexité Complexité programmesa – Patient riskb – to Abréviations: USI, unité de soins intensifs; IQR, intervalle interquartile; MedSurg, unités médicales et chirurgicales autres que ICUsa Nombre de programmes cliniques complexes neurochirurgie, cathétérisme cardiaque, etc. qu’une installation prend en charge b Diagnostic groupage des coûts score du risque patient qui a été utilisé pour prédire l’utilisation des ressourcesVoir grandAu total de millions de tests de surveillance parmi les millions Dans l’ensemble, le pourcentage d’admissions incluses a fait l’objet d’un test de surveillance dans les heures suivant l’admission à l’hôpital. Le temps médian entre l’admission et le premier test de surveillance était le suivant: intervalle interquartile [IQR], – heures en% des admissions Un total de millions de tests cliniques de microbiologie clinique ont été obtenus à partir d’admissions et d’individus uniques; % des admissions étaient positives pour le SARM Le SARM était le plus souvent isolé à partir des expectorations%, suivies des blessures%, du sang% et de l’urine%

Prévalence d’admission et acquisition

La prévalence médiane globale de l’admission hospitalière était par admissions IQR, – par admissions La prévalence moyenne d’admission était inchangée entre les années commençant en octobre et octobre%, P = mais diminuant de% l’année suivante P & lt; ; Figure La prévalence quotidienne moyenne a diminué de% la première année à% au cours de la dernière année P & lt; L’acquisition médiane globale de l’hôpital était par patient-jour à risque IQR, – par patient-jour à risque Le taux d’acquisition moyen a diminué de% entre la première et la deuxième année P & lt; et% entre la deuxième et la troisième année P & lt; Dans les modèles multivariés, la prévalence et l’acquisition des admissions ont démontré des tendances séculaires significatives à la baisse P & lt; ; Table

Tableau Estimations dérivées du modèle d’association entre la prévalence d’admission, l’acquisition et la culture clinique nosocomiale d’incidence Modèle prédisant l’acquisition par unité Changement Δ dans le prédicteur Δ dans Acquisition% CI P Valeur -y augmentation -% -% à -% & lt; prévalence de l’hospitalisation •% ↓ de la valeur moyenne entre hôpitaux -% -% à -% & lt; •% ↓ de la valeur variant dans le temps dans les hôpitaux -% -% à% Le coefficient de variation entre hôpitaux est d’environ% et% avec et sans ajustement pour la prévalence de l’admission; % de la variance inter-hospitalière dans l’acquisition représentée par la variation inter-hospitalière de la prévalence de l’admission B Modèle Prédiction de la prévalence de l’admission par unité Δ dans le prédicteur Δ dans l’importation% CI P Valeur -y augmentation -% -% à -% & lt; acquisition d’un hôpital •% ↓ de la valeur moyenne entre hôpitaux -% -% à -% & lt; •% ↓ de la valeur variant dans le temps dans les hôpitaux -% -% à -% & lt; Le coefficient de variation entre hôpitaux est d’environ% et% avec et sans ajustement pour l’acquisition; % de la variance inter-hospitalière de la prévalence de l’admission expliquée par la variation inter-hospitalière de l’acquisition C Modèle Prédire INCC par Changement de Part Δ dans le Prédicteur Δ dans INCC% CI P Valeur -y augmentation -% -% à -% & lt; prévalence de l’hospitalisation •% ↓ de la valeur moyenne entre hôpitaux -% -% à -% & lt; •% ↓ de la valeur variant dans le temps dans les hôpitaux -% -% à -% de l’acquisition de l’hôpital% ↓ de la valeur moyenne entre hôpitaux -% -% à%% ↓ de la valeur variable dans les hôpitaux -% -% à -% Le coefficient de variation entre hôpitaux est d’environ% et% avec et sans ajustement pour la prévalence de l’acquisition et de l’admission; % de la variance inter-hospitalière de l’infection clinique expliquée par la variation inter-hospitalière de la prévalence de l’acquisition et de l’admission Modèle A Prédire l’acquisition par unité Changement Δ dans le prédicteur Δ dans Acquisition% CI P Valeur -y augmentation -% -% à -% & lt ; prévalence de l’hospitalisation •% ↓ de la valeur moyenne entre hôpitaux -% -% à -% & lt; •% ↓ de la valeur variant dans le temps dans les hôpitaux -% -% à% Le coefficient de variation entre hôpitaux est d’environ% et% avec et sans ajustement pour la prévalence de l’admission; % de la variance inter-hospitalière dans l’acquisition représentée par la variation inter-hospitalière de la prévalence de l’admission B Modèle Prédiction de la prévalence de l’admission par unité Δ dans le prédicteur Δ dans l’importation% CI P Valeur -y augmentation -% -% à -% & lt; acquisition d’un hôpital •% ↓ de la valeur moyenne entre hôpitaux -% -% à -% & lt; •% ↓ de la valeur variant dans le temps dans les hôpitaux -% -% à -% & lt; Le coefficient de variation entre hôpitaux est d’environ% et% avec et sans ajustement pour l’acquisition; % de la variance inter-hospitalière de la prévalence de l’admission expliquée par la variation inter-hospitalière de l’acquisition C Modèle Prédire INCC par Changement de Part Δ dans le Prédicteur Δ dans INCC% CI P Valeur -y augmentation -% -% à -% & lt; prévalence de l’hospitalisation •% ↓ de la valeur moyenne entre hôpitaux -% -% à -% & lt; •% ↓ de la valeur variant dans le temps dans les hôpitaux -% -% à -% de l’acquisition de l’hôpital% ↓ de la valeur moyenne entre hôpitaux -% -% à%% ↓ de la valeur variable dans les hôpitaux -% -% à -% Le coefficient de variation entre hôpitaux est d’environ% et% avec et sans ajustement pour la prévalence de l’acquisition et de l’admission; % de la variance interhospitalière de l’infection clinique expliquée par la variation inter hospitalière de la prévalence de l’admission et de l’admission Les covariables au niveau de l’établissement étaient: affiliation académique, localisation rurale, nombre de lits d’hôpital, risque patient et nombre de programmes complexes. ; CI, intervalle de confiance; INCC, Incidence de la culture clinique nosocomialeView Large

Figure vue grandDownload slideDistribution des événements de Staphylococcus aureus résistant à la méthicilline parmi les hôpitaux au cours des mois L’unité d’analyse est l’hôpital Abréviations: INCC, Incidence de la culture clinique nosocomiale; IQR, intervalle interquartile; pd, patient-joursFigure View largeTélécharger la diapositiveDistribution des événements Staphylococcus aureus résistant à la méthicilline parmi les hôpitaux au cours des mois L’unité d’analyse est l’hôpital Abréviations: INCC, Incidence de la culture clinique nosocomiale; IQR, intervalle interquartile; Par exemple, dans les modèles prédisant l’acquisition dans le tableau, chaque% de diminution relative de la prévalence moyenne d’admission dans un hôpital était associée à une diminution de% de son taux d’acquisition. P & lt; Cependant, les fluctuations variant dans le temps autour de la prévalence moyenne d’hospitalisation d’un hôpital n’étaient pas significativement associées au taux d’acquisition. En général, le pourcentage d’hospitalisations variait en fonction de la prévalence de l’hospitalisation. associé au taux moyen d’hospitalisation Dans les modèles prédisant la prévalence de l’admission, chaque diminution en% du taux d’acquisition moyen d’un hôpital était associée à une diminution relative en% de sa prévalence d’admission P & lt; La prévalence de l’hospitalisation pour une semaine donnée a été modérément prédite par les taux d’acquisition lissés au cours des semaines précédentes

Culture clinique nosocomiale d’incident

La proportion globale d’incidence pour INCC était par admissions Le taux médian global d’INCC était par patient-jour à risque IQR, – par patient-jour à risque Le taux moyen d’INCC a diminué% entre les années commençant octobre et octobre P & lt; et aussi% entre les années commençant octobre et octobre P & lt; ; Figure Dans l’ensemble, les cas d’INCC étaient des modèles INCCIn d’admission-porteurs de SARM avec INCC comme résultat, la prévalence d’admission était un facteur prédictif plus important que l’acquisition Chaque diminution de% de la prévalence moyenne d’admission d’un hôpital était associée à une diminution de son taux INCC P & lt; ; Tableau Les fluctuations de la prévalence des admissions à l’hôpital au fil du temps étaient également associées au taux d’INCC; chaque diminution en% de la prévalence hebdomadaire était associée à une diminution en% du INCC P = En revanche, l’acquisition moyenne hospitalière n’était pas significativement associée à l’INCC dans les analyses ajustées Les taux d’acquisition lissés durant les semaines précédentes étaient modestement associés à l’INCC. l’acquisition a été associée à une diminution en% de l’INCC P = Le taux d’INCC a montré une tendance séculaire significative à la baisse; la diminution relative estimée était de% par année P & lt; Les taux d’INCC des transporteurs d’admission n’ont pas diminué de façon significative. P = En revanche, les taux d’INCC chez les nouveaux porteurs ont diminué de manière significative; la réduction relative par année après ajustement pour la prévalence de l’admission et le taux d’acquisition était de% P =; Figure

Figure Vue largeTélécharger la diapositiveObjectif de l’admission-transporteur non ajusté culture clinique nosocomiale Taux d’INCC et taux post-admission INCC Taux d’échographie inférieurs supérieurs à l’échelle supérieure Observé, les statistiques mensuelles globales agrégées dans tous les hôpitaux sont présentées avec régression locale Nasal et Nasal – se référer aux résultats de Staphylococcus aureus résistant à la méticilline écran d’admission nasale Abréviations: INCC, culture clinique nosocomiale incident; SARM, Staphylococcus aureus résistant à la méthicilline; pd, patient-joursFigure View largeTélécharger le diaporamaObjectif de l’admission-transporteur non ajusté culture clinique nosocomiale Taux INCC et taux post-admission INCC Taux d’échographie inférieurs à l’échelle supérieure Observé, les statistiques mensuelles globales agrégées pour tous les hôpitaux sont présentées. régression locale nasale et nasale – se référer aux résultats de l’épreuve d’admission nasale Staphylococcus aureus résistant à la méthicilline Abréviations: INCC, culture clinique nosocomiale incidente; SARM, Staphylococcus aureus résistant à la méthicilline; pd, patient-jours

DISCUSSION

Il est donc probable que les baisses d’importation et de transmission aient contribué à faire baisser les taux d’infection nosocomiale. Nos estimations des tendances de l’AV et de la charge de SARM sont généralement cohérentes avec les publications antérieures Cependant, différentes sources de données, définitions, et les modalités d’évaluation ont été utilisées pour cette analyse que dans les études précédentes des hôpitaux VA, rendant ainsi difficile les comparaisons superficielles. Par exemple, la tendance à la baisse d’INCC était moins prononcée que celle trouvée dans les données MRSA-HAI rapportées manuellement dans une cohorte similaire. ], mais cela peut être dû aux différences entre les mesures INCC et HAI De même, les différences dans les définitions de prévalence d’admission peuvent expliquer les différences de tendances mesurées dans cette cohorte VA et plus Plus globalement, nos tendances temporelles observées et internationalement En général, les diminutions observées du SARM-HAI sont probablement dues, en partie, aux mesures de contrôle des infections Une récente étude de modélisation a suggéré que les pratiques ciblant la progression pourraient avoir été les principales responsables de la diminution du SARM-HAI dans la VA Cette étude supposait que l’importation était indépendante de la transmission chez les animaux. Cependant, le cycle de rétroaction entre l’importation et la transmission suggère que l’effet ultime des mesures de contrôle du transport devrait être évalué avec des modèles incluant également l’impact de la transmission sur l’importation future. Les points forts de nos analyses résident dans la qualité et la quantité des données disponibles. Les données au niveau individuel ont permis de mettre en œuvre des définitions rigoureuses, notamment pour les patients-jours à risque. Un taux élevé d’adhésion aux protocoles de dépistage à la fois pour l’admission et le rejet. méthodes traditionnellement utilisées dans studi Les cas de transmission et d’infection nosocomiale Lorsqu’un individu acquiert le SARM et le transmet à un autre individu, il existe une dépendance entre ces résultats qui viole les hypothèses que font la plupart des modèles statistiques À ce jour, relativement peu d’études en ont tenu compte dans leurs analyses. toute autre étude sur l’importation, la transmission et l’infection nosocomiale qui a considéré l’influence de l’une sur l’autre dans une mesure et une échelle semblables. Notre analyse a été effectuée au niveau de l’hôpital; Par conséquent, il est approprié de faire des inférences à l’hôpital plutôt qu’au niveau individuel des patients Les expositions collectives ont une influence importante sur les résultats infectieux en raison d’événements non indépendants . Figure pourrait avoir diminué l’interprétabilité de nos modèles statistiques L’obtention de tests de surveillance du SARM à partir d’un seul site anatomique pourrait avoir obscurci les relations en sous-détectant le portage du SARM. Le manque d’information sur les pratiques de contrôle des infections, l’utilisation d’antibiotiques, les contacts avec les professionnels de la santé et d’autres facteurs influant sur la transmission Nous n’avons pas identifié les souches pour mieux identifier les personnes infectées. pour identifier les infections nosocomiales étaient sujettes à erreur, et notre utilisation de l’INCC incluait très probablement des cas de colonisation; cependant, les méthodes manuelles auraient pris beaucoup de temps, seraient plus difficiles à appliquer de manière fiable dans tous les hôpitaux et pourraient être utilisées pour d’autres formes de distorsion La prévalence de l’admission variait beaucoup plus lentement. La prévalence de l’admission variant avec le temps étant estimée avec beaucoup moins de cas que la moyenne, elle fluctue davantage à cause de variations aléatoires. Cette tendance tend à biaiser les estimations des coefficients vers zéro. En conclusion, les associations entre la prévalence de l’infection à SARM, l’acquisition et l’INCC ont été démontrées en accord avec les théories de la dynamique de transmission. Les résultats suggèrent qu’une diminution de la transmission a conduit à diminution de l’impo Nous ne tirons aucune conclusion quant à l’efficacité de la trousse VA MRSA, mais les taux plus faibles d’infection nosocomiale à SARM sont probablement attribuables à la diminution de la transmission et de l’importation. notre compréhension de la dynamique et du contrôle du SARM

Remarques

Remerciements Nous remercions Patricia Nechodom pour son aide inébranlable à la gestion de projet et Dr Scott DuVall pour sa contribution inestimable à l’extraction des données SARM. Nous remercions également le Dr Rajiv Jain et le Bureau VA des services de soins aux patients pour leur soutien et leur soutien. rapporté ici a été soutenu par le ministère des Anciens Combattants, Administration de la santé des anciens combattants, Service de recherche et de développement des services de santé par le Centre d’informatique, de rehaussement de la décision et de surveillance REA -, le Consortium pour la recherche en informatique médicale HIR -; l’infrastructure informatique et informatique des anciens combattants -; et les centres pour le contrôle et la prévention des maladies Epicenter UCI, FED MJ, MR, et MH sont des chercheurs en recherche à VA Salt Lake City Système de soins de santé ME est directeur du programme SARM / MDRO VHA et est en poste à Lexington VA Medical Center CN est un Ce matériel est le résultat d’un travail soutenu avec des ressources et des installations au système de santé de VA Salt Lake City. En outre, MJ a été soutenu par un prix de développement de carrière de VA Health Services Research and Development CDA – Les opinions exprimées dans cet article sont celles des auteurs et ne reflètent pas nécessairement la position ou la politique du ministère des Anciens Combattants, du gouvernement des États-Unis, ou du gouvernement des États-Unis. aucune des institutions affiliées Conflits d’intérêts potentiels Tous les auteurs: Aucun conflit signaléTous les auteurs ont soumis le formulaire ICMJE pour Dis fermeture des Conflits d’intérêts potentiels Les conflits que les éditeurs jugent pertinents pour le contenu du manuscrit ont été divulgués