Antibiotic Use in Cold and Flu Season and Prescribing Quality
Notice bibliographique
Résumé
BACKGROUND: Excessive antibiotic use in cold and flu season is costly and contributes to antibiotic resistance. The study objective was to develop an index of excessive antibiotic use in cold and flu season and determine its correlation with other indicators of prescribing quality. METHODS AND FINDINGS: We included Medicare beneficiaries in the 40% random sample denominator file continuously enrolled in fee-for-service benefits for 2010 or 2011 (7,961,201 person-years) and extracted data on prescription fills for oral antibiotics that treat respiratory pathogens. We collapsed the data to the state level so they could be merged with monthly flu activity data from the Centers for Disease Control and Prevention. Linear regression, adjusted for state-specific mean antibiotic use and demographic characteristics, was used to estimate how antibiotic prescribing responded to state-specific flu activity. Flu-activity associated antibiotic use varied substantially across states-lowest in Vermont and Connecticut, highest in Mississippi and Florida. There was a robust positive correlation between flu-activity associated prescribing and use of medications that often cause adverse events in the elderly (0.755; P<0.001), whereas there was a strong negative correlation with beta-blocker use after a myocardial infarction (-0.413; P=0.003). CONCLUSIONS: Adjusted flu-activity associated antibiotic use was positively correlated with prescribing high-risk medications to the elderly and negatively correlated with beta-blocker use after myocardial infarction. These findings suggest that excessive antibiotic use reflects low-quality prescribing. They imply that practice and policy solutions should go beyond narrow, antibiotic specific, approaches to encourage evidence-based prescribing for the elderly Medicare population.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».