MétaCan
Menu
Retour à la cohorte
Enregistrement W2750993844 · doi:10.3399/bjgp17x692465

The ethics of setting national antibiotic policies using financial incentives

2017· article· en· W2750993844 sur OpenAlexaff
Grace Li, Carwyn Hooper, Andrew Papanikitas, Susan Hopkins, Mike Sharland

Notice bibliographique

RevueBritish Journal of General Practice · 2017
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAntibiotic Use and Resistance
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesNational Institute for Health and Care Research
Mots-clésIncentiveMedicineAntibiotic resistanceMedical prescriptionPublic healthProject commissioningAntibioticsBusinessFinanceFamily medicineNursingPublishingEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

<p>Antimicrobial resistance (AMR) is an increasingly urgent global public health issue. Data from Public Health England- English Surveillance Programme for Antimicrobial Utilisation and Resistance (ESPAUR) - quantifies the scale of antibiotic resistance in key bacterial pathogens. </p> <br/> <p>The Department of Health’s 5 year strategy to reduce morbidity and mortality associated with AMR (2013-2018) focused on optimising antibiotic prescribing and improving infection prevention and control. In April 2015 NHS England introduced a Quality Premium (QP) focussing on reducing antibiotics. QPs are financial rewards, with a maximal value equivalent to £5 per patient, intended to reward clinical commissioning groups (CCGs) for improvements in the quality of the services that they commission and for associated improvements in health outcomes and reducing inequalities. The AMR QP provided commissioners with financial incentives to reduce antibiotic prescribing; 80% linked to primary care quality measures (reduction in absolute number of antibiotic prescriptions by 1%, decrease in use of broad spectrum antibiotics by 10%) and 20% linked to improving availability of antibiotic prescribing data from secondary care.</p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,645
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,343
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of General PracticeMême sujetAntibiotic Use and ResistanceTravaux en français237 207