Late-career Physicians Prescribe Longer Courses of Antibiotics
Notice bibliographique
Résumé
BACKGROUND: Antibiotic duration is often longer than necessary. Understanding the reasons for variability in antibiotic duration can inform interventions to reduce prolonged antibiotic use. We aim to describe patterns of interphysician variability in prescribed antibiotic treatment durations and determine physician predictors of prolonged antibiotic duration in the community setting. METHODS: We performed a retrospective cohort analysis of family physicians in Ontario, Canada, between 1 March 2016 and 28 February 2017, using the Xponent dataset from IQVIA. The primary outcome was proportion of prolonged antibiotic course prescribed, defined as >8 days of therapy. We used multivariable logistic regression models, with generalized estimating equations to account for physician-level clustering to evaluate predictors of prolonged antibiotic courses. RESULTS: There were 10 616 family physicians included in the study, prescribing 5.6 million antibiotic courses. There was substantial interphysician variability in the proportion of prolonged antibiotic courses (median, 33.3%; interdecile range, 13.5%-60.3%). In the multivariable regression model, later physician career stage, rural location, and a larger pediatric practice were significantly associated with greater use of prolonged courses. Prolonged courses were more likely to be prescribed by late-career physicians (adjusted odds ratio [aOR], 1.48; 95% confidence interval, 1.38-1.58) and mid-career physicians (aOR, 1.25; 1.16-1.34) when compared to early-career physicians. CONCLUSIONS: We observed substantial variability in prescribed antibiotic duration across family physicians, with durations particularly long among late-career physicians. These findings highlight opportunities for community antimicrobial stewardship interventions to improve antibiotic use by addressing practice differences in later-career physicians.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».