MétaCan
Menu
Retour à la cohorte
Enregistrement W2147307982 · doi:10.3201/eid1106.050118

Rifampicin Resistance in Tuberculosis Outbreak, London, England

2005· article· en· W2147307982 sur OpenAlexfundno aff
Claire Jenkins, Alleyna Claxton, Robert J. Shorten, Timothy D. McHugh, Stephen H. Gillespie

Notice bibliographique

RevueEmerging infectious diseases · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensnon disponible
Organismes subventionnairesCenters for Disease Control and PreventionMcGill University
Mots-clésMedicinePsychological interventionFamily medicinePublic healthAntibiotic resistanceAntimicrobialEnvironmental healthGerontologyAntibioticsNursing

Résumé

récupéré en direct d'OpenAlex

The Wisconsin Antibiotic Resistance Network (WARN) was launched in 1999 to educate physicians and the public about judicious antimicrobial drug use.Public education included radio and television advertisements, posters, pamphlets, and presentations at childcare centers.Physician education included mailings, susceptibility reports, practice guidelines, satellite conferences, and presentations.We analyzed antimicrobial prescribing data for primary care physicians in Wisconsin and Minnesota (control state).Antimicrobial prescribing declined 19.8% in Minnesota and 20.4% in Wisconsin from 1998 to 2003.Prescribing by internists declined significantly more in Wisconsin than Minnesota, but the opposite was true for pediatricians.We conclude that the secular trend of declining antimicrobial drug use continued through 2003, but a large-scale educational program did not generate greater reductions in Wisconsin despite improved knowledge.State and local organizations should consider a balanced approach that includes limited statewide educational activities with increasing emphasis on local, provider-level interventions and policy development to promote careful antimicrobial drug use.A ntimicrobial drug-resistant strains of community- acquired pathogens, including Streptococcus pneumoniae and Staphylococcus aureus, have emerged as serious global health threats (1-3).Multiple studies have demonstrated a strong and consistent link between antimicrobial drug use and antimicrobial resistance at both individual and population levels (4-9).Despite this link, inappropriate and ineffective use of antimicrobial agents for viral respiratory infections is common (10-16).In 1998, the Institute of Medicine issued a workshop report that addressed the growing problem of antimicrobial drug resistance and potential strategies to prolong the effectiveness of existing drugs (17).The report found that physicians and patients have not received adequate information about the appropriate use of antimicrobial drugs and the short-and long-term risks of overuse.Several approaches were suggested, including multifaceted clinician education, clinical practice protocols, feedback on local resistance trends, patient-oriented educational materials, and use of popular media for public education.We describe the activities and impact of a 5-year, multifaceted educational campaign to reduce outpatient antimicrobial drug prescribing in Wisconsin.The Wisconsin Antibiotic Resistance Network (WARN) was launched in 1999 as a federally funded demonstration project to educate primary care physicians and the public about drug resistance and judicious antimicrobial drug use.Antimicrobial drug prescribing rates were assessed annually and compared to Minnesota prescribing rates, where educational activities were limited before 2002.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,198
Score d'incertitude au seuil0,394

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,301
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations97
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEmerging infectious diseasesMême sujetTuberculosis Research and EpidemiologyTravaux en français237 207