Measuring antimicrobial use in hospitalized patients: a systematic review of available measures applicable to paediatrics
Notice bibliographique
Résumé
OBJECTIVES: The optimal measure to use for surveillance of antimicrobial usage in hospital settings, especially when including paediatric populations, is unknown. This systematic review of literature aims to list, define and compare existing measures of antimicrobial use that have been applied in settings that included paediatric inpatients, to complement surveillance of resistance. METHODS: We identified cohort studies and repeated point-prevalence studies presenting data on antimicrobial use in populations of inpatients or validations/comparisons of antimicrobial measures through a systematic search of literature using MEDLINE, EMBASE, CINAHL and LILACS (1975-2011) and citation tracking. Study populations needed to include hospitalized paediatric patients. Two reviewers independently extracted data on study characteristics and results. RESULTS: Overall, 3878 records were screened and 79 studies met selection criteria. Twenty-six distinct measures were found, the most frequently used being defined daily doses (DDD)/patient-days and exposed patients/patients. Only two studies compared different measures quantitatively, showing (i) a positive correlation between proportion of exposed patients and antimicrobial-days/patient-days and (ii) a strong correlation between doses/patient-days and agent-days/patient-days (r = 0.98), with doses/patient-days correlating more with resistance rates (r = 0.80 versus 0.55). CONCLUSIONS: The measure of antimicrobial use that best predicts antimicrobial resistance prevalence and rates, for surveillance purposes, has still not been identified; additional evidence on this topic is a necessity.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».