Is Procalcitonin Biomarker-Guided Antibiotic Therapy a Cost-Effective Approach to Reduce Antibiotic Resistant and <i>Clostridium difficile</i> Infections in Hospitalized Patients?
Notice bibliographique
Résumé
Antibiotics (AB) can reduce morbidity and mortality in the treatment of patients with sepsis and chronic obstructive pulmonary disease (COPD) exacerbations. Yet, AB overuse or misuse increases antibiotic resistance (ABR) and Clostridium difficile infections (CDI). This study projected the expected impact of a procalcitonin (PCT) biomarker testing strategy on incremental ABR cases and CDI, and costs of care in a population of patients hospitalized with suspected sepsis or a COPD exacerbation, in three European countries: the United Kingdom, Germany, and the Netherlands. Based on a systematic literature search and a decision model, we analyzed the number of ABR and CDI cases avoided and the incremental healthcare costs per patient from a societal perspective over the time horizon of a hospital stay. In the sepsis population, the PCT-guided antibiotic prescription strategy was projected to reduce the number of ABR cases with circa 6%, the number of CDI cases with 21%, and societal costs with circa €1300 per patient. In the COPD population, the number of ABR and CDI cases is reduced with circa 50%, and societal cost savings ranged €1701, €2473, and €2435 per patient in Germany, the Netherlands, and the United Kingdom, respectively. Model outcomes were most sensitive to the impact of the PCT-guided strategy on the number of intensive care unit days and general hospital ward days. Taken together, a PCT biomarker-guided antibiotic management strategy is likely to reduce the number of ABR and CDI cases and generate cost savings in a population of patients hospitalized with suspected sepsis or with a COPD exacerbation.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».