Secular trends of antibacterial prescribing in UK paediatric primary care
Notice bibliographique
Résumé
BACKGROUND: Resistance to antibacterial drugs can be contained by judicious prescribing. In particular, the use of these drugs in children requires ongoing surveillance. While there was a decline in antibacterial prescribing in the UK during the 1990s, recent trends are less well known. OBJECTIVES: To describe antibiotic prescribing patterns and time trends in children in the UK over the last two decades. METHODS: We identified all children ages 0-19 years from 1993 to 2007 and their antibiotic prescriptions from the General Practice Research Database. We used Poisson regression to estimate prescription rates considering the children's age and gender, calendar year and practice. RESULTS: The cohort included 1 751 645 children with 5 835 891 antibacterial prescriptions. The average prescription rate was 511 prescriptions per 1000 person-years [95% confidence interval (CI) 509-513]. As of 1995, the rate decreased to 419/1000 person-years (95% CI 411-426) in 2000, then increased to 568/1000 person-years (95% CI 559-577) in 2007. Between 2000 and 2007, rates increased on average by 4.3% (95% CI 3.7-5.0%) annually, amounting to an increase of 40.7% (95% CI 34.5-47.2%) for all children. Rates were generally higher in girls, except for boys <5 years. Broad-spectrum penicillins were most frequently prescribed; their rate increased on average by 4.6% annually (95% CI 4.0-5.3%) after 2000. This trend was similar in most classes of antibacterials. CONCLUSIONS: Antibacterial prescribing to outpatient children in the UK has been steadily increasing since 2000, consistently for boys and girls, across all ages and antibacterial classes.
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) | 0,001 | 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 | 0,001 |
| 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 ».