Role of diagnostic labeling in antibiotic prescription.
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the association between diagnostic labeling of respiratory tract infections (RTIs) and antibiotic prescription rates in family practice. DESIGN: Descriptive analysis of outpatient chart review supplemented by interviews with physicians. Charts of patients attending 73 general practitioners were reviewed between October 1997 and February 1998. Two days of practice were evaluated per physician. SETTING: Urban family practices in greater St John's, Nfld. PARTICIPANTS: Of 96 family physicians contacted, 73 (76%) agreed to participate. MAIN OUTCOME MEASURES: Rates of diagnoses and antibiotic prescriptions for acute infections. Physicians were divided into "low prescribers" and "high prescribers" based on overall rates of prescription to patients with infections. Low prescribers were compared with high prescribers with respect to physician characteristics, patient characteristics, and diagnoses assigned. RESULTS: Of all patients seen, 22% were seen for acute infections; RTIs accounted for 76% of diagnoses. Low prescribers and high prescribers were of similar ages and saw similar numbers of patients of similar ages with very similar presenting complaints. Both groups diagnosed urinary tract and skin and soft-tissue infections at similar rates, but differed markedly in their rates of diagnoses of RTIs. High prescribers diagnosed bacterial RTIs in 65.4% (147/225) of their patients; low prescribers diagnosed bacterial RTIs in 31.0% (66/213 (P < .001). CONCLUSION: Family doctors frequently prescribe antibiotics. The difference in rates of prescription between high prescribers and low prescribers is largely explained by assignment of diagnoses of RTIs.
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 | 0,000 |
| 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 | 0,000 | 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 ».