Perceptions, attitudes, and practices of French junior physicians regarding antibiotic use and resistance
Notice bibliographique
Résumé
To assess the perceptions, attitudes, and practices of French junior physicians regarding antibiotic use and resistance, and then to identify the characteristics of junior physicians associated with appropriate practices of antibiotic use. European junior physicians received an email invitation to complete a 49 item web questionnaire between September 2015 and January 2016. We present the French data. Multivariate regression models were used to identify the characteristics of junior physicians associated with appropriate prescription practices and with consideration of the antibiotic prescription consequences. The questionnaire was completed by 641 junior physicians: family medicine (37%), other medical specialties (e.g., pediatrics, internal medicine, neurology: 45%), surgical specialties (11%), and anesthesiology-intensive care specialty (7%). Most respondents (93%) declared being aware of the risk of bacterial resistance and 41% acknowledged prescribing antibiotics more often than necessary. Two factors were independently associated with appropriate prescription practices: a high perceived level of education on antibiotic use (OR = 1.51; 95% CI [1.01–2.30]) and a medical specialty (OR = 1.69; 95% CI [1.16–2.46]). Factors independently associated with taking into account adverse events of antibiotics were a good perceived knowledge of antibiotics (OR = 3.71; 95% CI [2.09–6.61]), and a high perceived education level on antibiotics (OR = 1.70; 95% CI [1.11–2.58]). Our data can help better define interventions targeting junior physicians in antibiotic stewardship programs. Évaluer les perceptions, attitudes et pratiques des internes en médecine concernant les prescriptions antibiotiques et l’antibiorésistance. Identifier les facteurs associés aux bonnes pratiques de prescriptions antibiotiques. Les internes en médecine européens ont été invités par émail à remplir un questionnaire en ligne (49 items) entre septembre 2015 et janvier 2016. Nous présentons les données françaises. Des modèles de régression logistique multivariés ont été utilisés pour identifier les facteurs associés au suivi des recommandations de bon usage et à la prise en compte des effets secondaires des antibiotiques. Le questionnaire a été rempli par 641 internes : médecine générale (37 %), spécialités médicales (pédiatrie, médecine interne, neurologie : 45 %), chirurgicales (11 %) et anesthésie-réanimation (7 %). La majorité (93 %) disait être conscient du risque d’émergence de résistance bactérienne et 41 % affirmaient trop prescrire d’antibiotiques. Deux facteurs étaient associés aux bonnes pratiques de suivi des recommandations : un niveau perçu de formation élevé en antibiothérapie (OR = 1,51 ; IC 95 % [1,01–2,30]), l’exercice d’une spécialité médicale (OR = 1,69 ; IC 95 % [1,16–2,46]). Les facteurs associés à la prise en compte des effets secondaires des antibiotiques étaient un bon niveau déclaré de connaissances en antibiothérapie (OR = 3,71 ; IC 95 % [2,09–6,61]) et un bon niveau déclaré de formation en antibiothérapie (OR = 1,70 ; IC 95 % [1,11–2,58]). Ces données peuvent aider à mieux définir les interventions ciblant les internes dans les programmes de bon usage des antibiotiques.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».