Effect of a multifaceted intervention on number of antimicrobial prescriptions for suspected urinary tract infections in residents of nursing homes: cluster randomised controlled trial
Notice bibliographique
Résumé
OBJECTIVE: To assess whether a multifaceted intervention can reduce the number of prescriptions for antimicrobials for suspected urinary tract infections in residents of nursing homes. DESIGN: Cluster randomised controlled trial. SETTING: 24 nursing homes in Ontario, Canada, and Idaho, United States. PARTICIPANTS: 12 nursing homes allocated to a multifaceted intervention and 12 allocated to usual care. Outcomes were measured in 4217 residents. INTERVENTIONS: Diagnostic and treatment algorithm for urinary tract infections implemented at the nursing home level using a multifaceted approach--small group interactive sessions for nurses, videotapes, written material, outreach visits, and one on one interviews with physicians. MAIN OUTCOME MEASURES: Number of antimicrobials prescribed for suspected urinary tract infections, total use of antimicrobials, admissions to hospital, and deaths. RESULTS: Fewer courses of antimicrobials for suspected urinary tract infections per 1000 resident days were prescribed in the intervention nursing homes than in the usual care homes (1.17 v 1.59 courses; weighted mean difference -0.49, 95% confidence intervals -0.93 to -0.06). Antimicrobials for suspected urinary tract infection represented 28.4% of all courses of drugs prescribed in the intervention nursing homes compared with 38.6% prescribed in the usual care homes (weighted mean difference -9.6%, -16.9% to -2.4%). The difference in total antimicrobial use per 1000 resident days between intervention and usual care groups was not significantly different (3.52 v 3.93; weighted mean difference -0.37, -1.17 to 0.44). No significant difference was found in admissions to hospital or mortality between the study arms. CONCLUSION: A multifaceted intervention using algorithms can reduce the number of antimicrobial prescriptions for suspected urinary tract infections in residents of nursing homes.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 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 ».