Optimizing antibiotics in residents of nursing homes: protocol of a randomized trial
Notice bibliographique
Résumé
BACKGROUND: Antibiotics are frequently prescribed for older adults who reside in long-term care facilities. A substantial proportion of antibiotic use in this setting is inappropriate. Antibiotics are often prescribed for asymptomatic bacteriuria, a condition for which randomized trials of antibiotic therapy indicate no benefit and in fact harm. This proposal describes a randomized trial of diagnostic and therapeutic algorithms to reduce the use of antibiotics in residents of long-term care facilities. METHODS: In this on-going study, 22 nursing homes have been randomized to either use of algorithms (11 nursing homes) or to usual practise (11 nursing homes). The algorithms describe signs and symptoms for which it would be appropriate to send urine cultures or to prescribe antibiotics. The algorithms are introduced by inservicing nursing staff and by conducting one-on-one sessions for physicians using case-scenarios. The primary outcome of the study is courses of antibiotics per 1000 resident days. Secondary outcomes include urine cultures sent and antibiotic courses for urinary indications. Focus groups and semi-structured interviews with key informants will be used to assess the process of implementation and to identify key factors for sustainability.
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 | 0,079 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,003 |
| Méta-épidémiologie (sens large) | 0,014 | 0,007 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,010 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,050 | 0,009 |
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 ».