MétaCan
Menu
Retour à la cohorte
Enregistrement W2753505224 · doi:10.1093/ofid/ofx162.149

Outcomes of a Provincial Pilot Program to Reduce Unnecessary Urine Culturing and Antibiotic Overuse in Long-term Care

2017· article· en· W2753505224 sur OpenAlexaffabout
Kevin A. Brown, Andrea Chambers, Valerie Leung, Bradley J. Langford, Jacquelyn Quirk, Gary Garber

Notice bibliographique

RevueOpen Forum Infectious Diseases · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueUrinary Tract Infections Management
Établissements canadiensSt Joseph's Health CentreUniversity of OttawaCanada Health InfowayPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineNitrofurantoinFosfomycinAntibioticsUrineRate ratioAntimicrobial stewardshipCiprofloxacinUrinary systemBacteriuriaPoisson regressionAntibiotic resistanceEmergency medicineInternal medicineConfidence intervalEnvironmental healthPopulation

Résumé

récupéré en direct d'OpenAlex

Abstract Background Antibiotics are frequently prescribed for long-term care residents with asymptomatic bacteriuria, for which there is no indication. In order to help reduce unnecessary urine culturing and concomitant antibiotic use, C. difficile infection, and antibiotic resistance, Public Health Ontario (PHO) developed a multi-component organizational change program. The program focuses on five practice changes, recommends nine implementation strategies that have been linked to barriers, and includes an implementation planning process. Methods A purposive sampling strategy was used to recruit 12 long-term care homes (LTCHs) in the province of Ontario, Canada. LTCHs worked with PHO staff to implement the program over a 4-month period in mid-2016. The outcome evaluation compared rates of urine cultures sent, total antibiotics, and urinary antibiotics (ciprofloxacin, nitrofurantoin, TMP/SMX, and fosfomycin) per 1,000 resident days before and after the implementation phase. A Poisson regression model adjusting for time-trends, seasonality and controlling for autocorrelation, was used. Results Of the 12 LTCHs recruited, as of May 2017, 9 LTCHs provided data, totaling 106 facility-months. During the pre-implementation phase, inter-facility variation in urine culturing rates (mean = 2.4, inter-decile range [IDR] = 4.3), total antibiotic use (median = 3.2, IDR = 5.5), and urinary antibiotic use (median = 1.2, IDR = 2.2), were large (Figure 1). Comparing the post-implementation period to the pre-implementation period, we observed a 31% adjusted decline in urine culturing (incidence rate ration [IRR] = 0.69, 95% CI: 0.51 to 0.94, Figure 2), a 65% adjusted decline in total antibiotic use (IRR = 0.35, 95% CI: 0.13 to 0.92), and a 38% adjusted decline in urinary antibiotic use (IRR = 0.62, 95% CI: 0.23 to 1.68) across the participating facilities. Conclusion While there was variation in baseline urine culturing rates and antibiotic use across LTCHs, preliminary data indicate that these outcomes declined in a relatively short time period following implementation of an organizational change program. Plans to expand the program to the provinces 600 LTCHs could prioritize facilities with high baseline urine culturing rates. Disclosures 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,779
Score d'incertitude au seuil0,446

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,349
Écart entre enseignants0,329 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpen Forum Infectious DiseasesMême sujetUrinary Tract Infections ManagementTravaux en français237 207