Comparative effectiveness of antibiotics for uncomplicated urinary tract infections: Network meta-analysis of randomized trials
Notice bibliographique
Résumé
BACKGROUND: The efficacies and adverse effects of different antibiotics for uncomplicated urinary tract infections (UTIs) have been studied by standard meta-analytic methods using pairwise direct comparisons of antimicrobial treatments: the effects of one treatment are compared to those of either another treatment or placebo. However, for clinical decisions, we need to know the effectiveness of each possible treatment in comparison with all relevant alternatives, not with just one. OBJECTIVES: To compare the efficacies and adverse effects of all relevant antibiotics for UTI treatment simultaneously by performing a network meta-analysis using direct and indirect treatment comparisons. METHODS: Using logistic regression analysis, we performed a network meta-analysis of randomized controlled trials (RCTs) published after 1999 that compared different oral antibiotic or placebo regimens for UTI treatment in general practice or outpatient settings. We looked at five binary outcomes: early clinical, early bacteriological, late clinical and late bacteriological outcomes, as well as adverse effects. Consequently, a ranking of the antibiotic regimens could be composed. RESULTS: Using a network structure, we could compare and rank nine treatments from 10 studies. Overall, ciprofloxacin and gatifloxacin appeared the most effective treatments, and amoxicillin-clavulanate appeared the least effective treatment. In terms of adverse effects, there were no significant differences. DISCUSSION: Network meta-analysis shows some clear efficacy differences between different antibiotic treatments for UTI in women. It provides a useful tool for clinical decision making in everyday practice. Moreover, the method can be used for meta-analyses of RCTs across primary care and beyond.
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 | 0,022 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».