Structure of Antimicrobial Stewardship Programs in Leading U.S. Hospitals
Notice bibliographique
Résumé
Antibiotic use has drastically changed the course of modern medicine. However, the overuse and often inappropriate use of antibiotics has led to the development of resistant strains of bacteria. Increasingly, healthcare systems struggle to deal with the burden of fighting infections that no longer respond to common antibiotic-based treatments. One strategy used to combat antibiotic resistance is the implementation of hospital-based Antimicrobial Stewardship Programs (ASP). ASP structure among the top U.S hospitals may provide insight into which of the Infectious Diseases Society of America (IDSA) and the Society for Healthcare Epidemiology of America (SHEA) ASP recommendations are most efficacious given limited resources. We thus administered a survey to better understand the elements of an ASP that are utilized at these top-rated hospitals. We surveyed the 50 highest ranking hospitals in various specialties using the 2015-2016 U.S News lists of top hospitals. This corresponded to 137 adult and 70 pediatric sites. We inquired as to which components of the 2016 IDSA and SHEA ASP guidelines were implemented at each site. Appropriate persons at each hospital were contacted by telephone and email. Overall, 102 of 207 hospitals responded (49.3%). Of these 87.2% had an active ASP, and 57.1% were active for more than 5 years. Interventions most widely adopted included prospective auditing of antimicrobial usage (n = 65, 87.8%), pre-authorization of antimicrobials (n = 61, 82.4%), and antimicrobials restricted to infectious disease physicians (n = 52, 70.3%). The most widely implemented optimization strategies included promoting transition from intravenous to oral antibiotics (n = 68, 93.2%) and strategies to minimize antimicrobial therapy duration (n = 56, 76.7%). The least common interventions included antimicrobial time-outs (n = 17, 23.0%) and ASP intervention in cases with high risk of Clostridium Difficile infection (n = 27, 36.5%). The least common optimization strategy was the use of time-sensitive stop orders (n = 27, 37.0%). Most leading U.S hospitals selectively implement IDSA and SHEA recommendations. Understanding the structure of ASPs in these hospitals will assist other hospitals in implementing their programs. All authors: No reported disclosures.
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 | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».