Evaluating and prioritizing antimicrobial stewardship programs for nursing homes: A modified Delphi panel
Notice bibliographique
Résumé
BACKGROUND: Antibiotic use in nursing homes is often inappropriate, in terms of overuse and misuse, and it can be linked to adverse events and antimicrobial resistance. Antimicrobial stewardship programs (ASPs) can optimize antibiotic use by minimizing unnecessary prescriptions, treatment cost, and the overall spread of antimicrobial resistance. Nursing home providers and residents are candidates for ASP implementation, yet guidelines for implementation are limited. OBJECTIVE: To support nursing home providers with the selection and adoption of ASP interventions. DESIGN AND SETTING: A multiphase modified Delphi method to assess 15 ASP interventions across criteria addressing scientific merit, feasibility, impact, accountability, and importance. This study included surveys supplemented with a 1-day consensus meeting. PARTICIPANTS: A 16-member multidisciplinary panel of experts and resident representatives. RESULTS: From highest to lowest, 6 interventions were prioritized by the panel: (1) guidelines for empiric prescribing, (2) audit and feedback, (3) communication tools, (4) short-course antibiotic therapy, (5) scheduled antibiotic reassessment, and (6) clinical decision support systems. Several interventions were not endorsed: antibiograms, educational interventions, formulary review, and automatic substitution. A lack of nursing home resources was noted, which could impede multifaceted interventions. CONCLUSIONS: Nursing home providers should consider 6 key interventions for ASPs. Such interventions may be feasible for nursing home settings and impactful for improving antibiotic use; however, scientific merit supporting each is variable. A multifaceted approach may be necessary for long-term improvement but difficult to implement.
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 | 0,001 | 0,002 |
| 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 | 0,000 |
| 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 ».