Please use this identifier to cite or link to this item: http://dx.doi.org/10.25673/117620
Title: Inter-hospital transmission of hospital acquired infections : insights from a multi-level mathematical network model
Author(s): Xia, HanjueLook up in the Integrated Authority File of the German National Library
Referee(s): Mikolajczyk, RafaelLook up in the Integrated Authority File of the German National Library
Thews, Oliver
Belik, Vitaly
Granting Institution: Martin-Luther-Universität Halle-Wittenberg
Issue Date: 2024
Extent: 1 Online-Ressource (73 Seiten, verschiedene Seitenzählungen)
Type: HochschulschriftLook up in the Integrated Authority File of the German National Library
Type: PhDThesis
Exam Date: 2024-03-18
Language: English
URN: urn:nbn:de:gbv:3:4-1981185920-1195792
Abstract: 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 publication
License: (CC BY-NC-ND 4.0) Creative Commons Attribution NonCommercial NoDerivatives 4.0(CC BY-NC-ND 4.0) Creative Commons Attribution NonCommercial NoDerivatives 4.0
Appears in Collections:Interne-Einreichungen

Files in This Item:
File Description SizeFormat 
Dissertation_MLU_2024_XiaHanjue.pdf6.26 MBAdobe PDFThumbnail
View/Open