Estimating the burden of antimicrobial resistance: a systematic literature review
Notice bibliographique
Résumé
Background: Accurate estimates of the burden of antimicrobial resistance (AMR) are needed to establish the magnitude of this global threat in terms of both health and cost, and to paramaterise cost-effectiveness evaluations of interventions aiming to tackle the problem. This review aimed to establish the alternative methodologies used in estimating AMR burden in order to appraise the current evidence base. Methods: MEDLINE, EMBASE, Scopus, EconLit, PubMed and grey literature were searched. English language studies evaluating the impact of AMR (from any microbe) on patient, payer/provider and economic burden published between January 2013 and December 2015 were included. Independent screening of title/abstracts followed by full texts was performed using pre-specified criteria. A study quality score (from zero to one) was derived using Newcastle-Ottawa and Philips checklists. Extracted study data were used to compare study method and resulting burden estimate, according to perspective. Monetary costs were converted into 2013 USD. Results: Out of 5187 unique retrievals, 214 studies were included. One hundred eighty-seven studies estimated patient health, 75 studies estimated payer/provider and 11 studies estimated economic burden. 64% of included studies were single centre. The majority of studies estimating patient or provider/payer burden used regression techniques. 48% of studies estimating mortality burden found a significant impact from resistance, excess healthcare system costs ranged from non-significance to $1 billion per year, whilst economic burden ranged from $21,832 per case to over $3 trillion in GDP loss. Median quality scores (interquartile range) for patient, payer/provider and economic burden studies were 0.67 (0.56-0.67), 0.56 (0.46-0.67) and 0.53 (0.44-0.60) respectively. Conclusions: This study highlights what methodological assumptions and biases can occur dependent on chosen outcome and perspective. Currently, there is considerable variability in burden estimates, which can lead in-turn to inaccurate intervention evaluations and poor policy/investment decisions. Future research should utilise the recommendations presented in this review. Trial registration: This systematic review is registered with PROSPERO (PROSPERO CRD42016037510).
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 | 0,022 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,011 |
| Bibliométrie | 0,027 | 0,023 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».