Interventions to reduce childhood antibiotic prescribing for upper respiratory infections: systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Antibiotics are overprescribed for children with upper respiratory infections (URIs), leading to unnecessary expenditures, adverse events and antibiotic resistance. This study assesses whether interventions antibiotic prescription rates (APR) for childhood URIs can be reduced and what factors impact intervention effectiveness. METHODS: MEDLINE, Embase, Google Scholar, Web of Science, Global Health, WHO website, United States CDC website and The Cochrane Central Register of Controlled Trials (CENTRAL) were searched by December 2015. Cluster or individual-patient randomised controlled trials (RCTs) and non-RCTs that examined interventions to change APR for children with URIs were selected for meta-analysis. Educational interventions for clinicians and/or parents were compared with usual care. RESULTS: Of 6074 studies identified, 13 were included. All were conducted in high-income countries. Interventions were associated with lower APR versus usual care (OR 0.63 (95% CI 0.50 to 0.81, p<0.001). A patient-clinician communication approach was the most effective type of intervention, with a pooled OR 0.41 (95% CI 0.20 to 0.83; p<0.001) for clinicians and 0.26 (95% CI 0.08 to 0.91; p=0.04) for parents. Interventions that targeted clinicians and parents were significant, with a pooled OR of 0.52 (95% CI 0.35 to 0.78; p=0.002). Insignificant effects were observed for targeting clinicians and parents alone, with a pooled OR of 0.88 (95% CI 0.67 to 1.16; p=0.37) and 0.50 (95% CI 0.10 to 2.51, p=0.40), respectively. CONCLUSIONS: Educational interventions are effective in reducing antibiotic prescribing for childhood URIs. Interventions targeting clinicians and parents are more effective than those for either group alone. The most effective interventions address patient-clinician communication. Studies in low-income to middle-income countries are needed.
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 | 0,010 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,038 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».