Improving Antibiotic Selection
Notice bibliographique
Résumé
OBJECTIVE: We sought to assess which interventions are most effective at improving the prescribing of recommended antibiotics for acute outpatient infections. DESIGN AND METHODS: We undertook a systematic review with quantitative analysis of the Cochrane Registry Effective Practice and Organization of Care (EPOC) database, supplemented by MEDLINE and hand-searches. Inclusion criteria included clinical trials with contemporaneous or strict historical controls that reported data on antibiotic selection in acute outpatient infections. The effect size of studies with different intervention types were compared using nonparametric statistics. To maximize comparability between studies, quantitative analysis was restricted to studies that reported absolute changes in the amount of or percent compliance with recommended antibiotic prescribing. RESULTS: Twenty-six studies reporting 33 trials met inclusion criteria. Most interventions used clinician education alone or in combination with audit and feedback. Among the 22 comparisons amenable to quantitative analysis, recommended antibiotic prescribing improved by a median of 10.6% (interquartile range [IQR] 3.4-18.2%). Trials evaluating clinician education alone reported larger effects than interventions combining clinician education with audit and feedback (median effect size 13.9% [IQR 8.6-21.6%] vs. 3.4% [IQR 1.8-9.7%], P = 0.03). This result was confounded by trial sample size, as trials having a smaller number of participating clinicians reported larger effects and were more likely to use clinician education alone. Active forms of education, sustained interventions, and other features traditionally associated with successful quality improvement interventions were not associated with effect size and showed no evidence of confounding the association between clinician education-only strategies and outcome. CONCLUSIONS: Multidimensional interventions using audit and feedback to improve antibiotic selection were less effective than interventions using clinician education alone. Although confounding may partially account for this finding, our results suggest that enhancing the intensity of a focused intervention may be preferable to a less intense, multidimensional approach.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».