Antibiotic Prescription Practice for Pediatric Urinary Tract Infection in a Tertiary Center
Notice bibliographique
Résumé
OBJECTIVES: Prescribing antibiotics for suspected urinary tract infection (UTI) is common practice and may lead to unnecessary antibiotic exposure. We aimed to review UTI diagnosis and management in the emergency department and to identify targets for antimicrobial stewardship. METHODS: Single-center, retrospective cohort study of children aged 12 weeks to younger than 18 years discharged from the emergency department with a diagnosis of UTI between October and December 2016. Children with genitourinary malformations were excluded. Clinical information, urine collection method, laboratory findings, and urine culture results were gathered. The sensitivity and specificity of nitrite and leukocyte esterase for UTI diagnosis were calculated. The relationship between urinalysis characteristics and confirmed UTI was examined using logistic regression. RESULTS: A total of 183 children with a median (interquartile range) age of 4.2 (1.1-7.5) years were included; 82.5% were female. Almost all children were discharged home on antibiotics (n = 180, 98%) for a median (interquartile range) duration of 7 (7-10) days. A total of 85 patients (46.4%) received antibiotics despite negative urine cultures leading to 525 unnecessary antibiotic days. The presence of nitrites was the strongest predictor of UTI (odds ratio = 20.22, P < 0.001) and was highly specific. CONCLUSIONS: Current practice in managing suspected pediatric UTIs in our ED resulted in significant and unnecessary antibiotic exposure. We identified targets to reduce unnecessary antibiotic exposure including improving the diagnostic accuracy of UTIs, a process to discontinue antibiotics for negative cultures and standardizing antimicrobial duration.
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 | 0,001 | 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 ».