Assessment of Antimicrobial Utilization Metrics: Days of Therapy Versus Defined Daily Doses and Pharmacy Dispensing Records Versus Nursing Administration Data
Notice bibliographique
Résumé
OBJECTIVE: To compare antimicrobial utilization data derived from pharmacy dispensing records and nursing administration record data by 2 commonly used units of measure. DESIGN, PARTICIPANTS, AND METHODS: Data from nursing administration records and pharmacy dispensing records were obtained for 32 medical wards. From nursing and pharmacy data, defined daily doses (DDD) were calculated, and from the nursing data, days of therapy were derived. Direct comparison of total antimicrobial use was performed by graphical analysis and linear regression. Slope of trend line was used to quantify the difference between pairs of measures. Bland-Altman plots were constructed to determine constant and proportional bias. At the level of individual agents, difference between pairs of measures was calculated and presented graphically and the average (95% CI) for the difference between measures was determined. RESULTS: Nursing administration record-derived DDD were on average 23% lower than corresponding rates of pharmacy dispensing record-derived DDD. The difference between rates of utilization by days of therapy vs DDD from the same source (nursing) was relatively small. Results from analysis of different individual agents were highly variable with wide 95% CIs. CONCLUSIONS: In our setting, we found clinically relevant differences in antimicrobial utilization associated with data from different sources. This outweighed the importance of the metric (DDD or days of therapy). However, measurement of use of individual agents was highly variable and sensitive to both metric unit and data sources.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».