Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: http://dx.doi.org/10.25673/117620
Titel: Inter-hospital transmission of hospital acquired infections : insights from a multi-level mathematical network model
Autor(en): Xia, HanjueIn der Gemeinsamen Normdatei der DNB nachschlagen
Gutachter: Mikolajczyk, RafaelIn der Gemeinsamen Normdatei der DNB nachschlagen
Thews, Oliver
Belik, Vitaly
Körperschaft: Martin-Luther-Universität Halle-Wittenberg
Erscheinungsdatum: 2024
Umfang: 1 Online-Ressource (73 Seiten, verschiedene Seitenzählungen)
Typ: HochschulschriftIn der Gemeinsamen Normdatei der DNB nachschlagen
Art: Dissertation
Datum der Verteidigung: 2024-03-18
Sprache: Englisch
URN: urn:nbn:de:gbv:3:4-1981185920-1195792
Zusammenfassung: Hospital networks formed by patient movements between hospitals have a vital influence on Hospital networks formed by inter-hospital patient movements crucially influence the transmission pathways of hospital-acquired infections (HAIs). This thesis analyzes HAI spread in inter-hospital networks in German federal states and patient movement patterns between hospital departments. The study of data incompleteness on network structure and HAI spread simulations reveal that network measures are affected by incompleteness, but simulated prevalence remains robust. Hospital data even with less than 10% population coverage can still maintain 90% modelling accuracy of prevalence. The simulated intra-hospital epidemic spread shows a positive correlation between department prevalence and network measures. The risk stratification shows that the high-risk patients were older and had longer stays and more frequent movements. Intra-hospital patient movements can strongly impact the HAI spread.
Krankenhausnetzwerke, die durch Patientenbewegungen zwischen Krankenhäusern gebildet werden, beeinflusst die Übertragungswege von Krankenhausinfektionen (HAI). In dieser Dissertation, die Analyse der Datenunvollständigkeit zur Netzwerkstruktur und die HAI-Ausbreitung Simulationen zeigen, dass die Netzwerkmaße durch die Unvollständigkeit beeinflusst werden, die simulierte Prävalenz jedoch robust bleibt. Die weniger als 10 % der Bevölkerung abdeckenden Krankenhausdaten, können immer noch eine Modellierungsgenauigkeit von 90 % liefern. Die simulierte krankenhausinterne Epidemieausbreitung zeigt eine positive Korrelation zwischen Abteilungsprävalenz und Netzwerkzentralitätsmaßen. Die Risikostratifizierung zeigte, dass Hochrisikopatienten älter waren und längere Aufenthalte und häufigere Bewegungen aufwiesen. Die Patientenbewegung des Krankenhauses kann die Ausbreitung von Krankheitserregern stark beeinflussen.
URI: https://opendata.uni-halle.de//handle/1981185920/119579
http://dx.doi.org/10.25673/117620
Open-Access: Open-Access-Publikation
Nutzungslizenz: (CC BY-NC-ND 4.0) Creative Commons Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International(CC BY-NC-ND 4.0) Creative Commons Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International
Enthalten in den Sammlungen:Interne-Einreichungen

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 
Dissertation_MLU_2024_XiaHanjue.pdf6.26 MBAdobe PDFMiniaturbild
Öffnen/Anzeigen