Trends in outpatient antibiotic use and prescribing practice among US older adults, 2011-15: observational study
Notice bibliographique
Résumé
OBJECTIVE: To identify temporal trends in outpatient antibiotic use and antibiotic prescribing practice among older adults in a high income country. DESIGN: Observational study using United States Medicare administrative claims in 2011-15. SETTING: Medicare, a US national healthcare program for which 98% of older adults are eligible. PARTICIPANTS: 4.5 million fee-for-service Medicare beneficiaries aged 65 years old and older. MAIN OUTCOME MEASUREMENTS: Overall rates of antibiotic prescription claims, rates of potentially appropriate and inappropriate prescribing, rates for each of the most frequently prescribed antibiotics, and rates of antibiotic claims associated with specific diagnoses. Trends in antibiotic use were estimated by multivariable regression adjusting for beneficiaries' demographic and clinical covariates. RESULTS: The number of antibiotic claims fell from 1364.7 to 1309.3 claims per 1000 beneficiaries per year in 2011-14 (adjusted reduction of 2.1% (95% confidence interval 2.0% to 2.2%)), but then rose to 1364.3 claims per 1000 beneficiaries per year in 2015 (adjusted reduction of 0.20% over 2011-15 (0.09% to 0.30%)). Potentially inappropriate antibiotic claims fell from 552.7 to 522.1 per 1000 beneficiaries over 2011-14, an adjusted reduction of 3.9% (3.7% to 4.1%). Individual antibiotics had heterogeneous changes in use. For example, azithromycin claims per beneficiary decreased by 18.5% (18.2% to 18.8%) while levofloxacin claims increased by 27.7% (27.2% to 28.3%). Azithromycin use associated with each of the potentially appropriate and inappropriate respiratory diagnoses decreased, while levofloxacin use associated with each of those diagnoses increased. CONCLUSION: Among US Medicare beneficiaries, overall antibiotic use and potentially inappropriate use in 2011-15 remained steady or fell modestly, but individual drugs had divergent changes in use. Trends in drug use across indications were stronger than trends in use for individual indications, suggesting that guidelines and concerns about antibiotic resistance were not major drivers of change in antibiotic use.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».