The Relationship among Antibiotic Consumption, Socioeconomic Factors and Climatic Conditions
Notice bibliographique
Résumé
BACKGROUND: Antibiotic consumption in human populations is one of the factors responsible for the emergence of resistant organisms. It is important to track population-based data on an ongoing basis, and to explore the determinants of regional variation in antibiotic consumption. METHODS: Population-level data were obtained on all outpatient oral antibiotic prescriptions dispensed within British Columbia (BC) between 1996 and 2007. Prescriptions were expressed as the defined daily dose per 1000 inhabitants. Geographical information systems mapping was used to display the spatial variations of antibiotic consumption in BC. The relationships among antibiotic consumption, socioeconomic factors and climatic conditions were explored using Pearson's correlation and regression modelling. RESULTS: Overall antibiotic consumption was highest in the northern regions of BC. Higher rates of consumption were associated with a greater proportion of the Aboriginal population, lower levels of education and individuals younger than 15 years of age. An inverse correlation was found between some classes of antibiotics and the following factors: individuals older than 65 years of age, mortality rate, doctor-to-population ratio, household size and higher July temperatures. The adjusted regression analyses indicated that higher antibiotic consumption was associated with a higher proportion of Aboriginals and household income. CONCLUSION: Different rates of antibiotic consumption exist within BC. The use of antibiotics is correlated with several socioeconomic factors and climatic conditions. It may be useful to consider these factors when designing policies to address antibiotic consumption in the community.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».