MétaCan
Menu
Retour à la cohorte
Enregistrement W2982263106 · doi:10.1093/ofid/ofz360.1007

1143. Measuring Up! Benchmarking Antimicrobial Use in Canadian Children’s Hospitals

2019· article· en· W2982263106 sur OpenAlexaffabout
Julie Blackburn, Jennifer Bowes, Mary‐Ann Harrison, Nick Barrowman, Hélène Roy, Michelle Science, Kathryn Timberlake, Alena Tse‐Chang, Ashley Roberts, Vanessa Paquette, Natasha Kwan, Joseph Vayalumkal, Cora Constantinescu, Deonne Dersch‐Mills, Dominik Mertz, Sarah Khan, Yameen Al Matawah, Roseline Thibeault, Louise Gosselin, Marie-Astrid Lefebvre, Sergio Fanella, Ashley Walus, Michelle Barton, Venita Harris, Jeannette Comeau, Kathryn Slayter, Cheryl Foo, Athena McConnell, Blair Seifert, Kirk Leifso, Isabelle Viel‐Thériault, Nicole Le Saux

Notice bibliographique

RevueOpen Forum Infectious Diseases · 2019
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAntibiotic Use and Resistance
Établissements canadiensJaneway Children's Health and Rehabilitation CentreChildren's Hospital of WinnipegUniversity of ManitobaKingston Health Sciences CentreMcGill University Health CentreRoyal University HospitalMontreal Children's HospitalBC Children's HospitalUniversité LavalIzaak Walton Killam Health CentreAlberta Children's HospitalStollery Children's HospitalHospital for Sick ChildrenChildren's Hospital of Eastern OntarioLondon Health Sciences CentreMcMaster Children's HospitalMcMaster UniversityCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesnon disponible
Mots-clésMedicineAntimicrobialPneumoniaCephalosporinPiperacillinAntimicrobial stewardshipEmpiric therapyTazobactamMedical prescriptionCarbapenemPediatricsEmergency medicineAntibioticsIntensive care medicineInternal medicineAntibiotic resistanceAlternative medicineMicrobiologyImipenemPharmacology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Inappropriate antimicrobial use (AU) is recognized as a leading cause of antimicrobial resistance. However, quantifying AU in hospitals is challenging due to variability in information systems. Point prevalence surveys (PPS) provide a means to quantify AU in a cross-sectional manner within and between institutions. The aim of the study was to describe and compare the prescription patterns of AU across pediatric hospitals in Canada using PPS. Methods Two PPS (November 2018 and February 2019) were conducted at each of the 15 Canadian pediatric hospitals. For each PPS, AU data were collected for all inpatients ≤ 18 years (excluded mental health and birthing units) on the survey date. Data, including admitting diagnosis, age, comorbidities, Infectious Diseases consult, admitting service, documented pathogen(s), and antimicrobial(s) prescribed, was collected and entered into a RedCap database. Results In total, we surveyed 3826 patient-days. The mean proportion of children receiving at least one antimicrobial was 35.2% [range 25.1% to 42.9%]. Of the 1951 antimicrobials prescribed, the most common were third-generation cephalosporins [3GC] (16%; 321), aminopenicillins (15%; 297), TMP-SMX (11%; 207), piperacillin–tazobactam (10%; 193) and first-generation cephalosporins (9%; 181). Overall, the frequency of carbapenems, quinolones and vancomycin use was 4% (79), 3% (65) and 8% (151), respectively. Of the antimicrobials used for targeted or empiric therapy (n = 1541), 373 (24.2%) were for pneumonia, 278 (18%) for intra-abdominal infections and 251 (16.3%) for fever without a source. For the treatment of community-acquired pneumonia (CAP) (n = 178), aminopenicillins and 3GC use was 31% and 37%, respectively. Conclusion Our study used a standardized approach to assess AU to obtain benchmarking data for Canadian pediatric hospitals. About one-third of children hospitalized in Canadian pediatric hospitals are prescribed at least one antimicrobial. Of patients on treatment for CAP, only 31% were prescribed aminopenicillins. More detailed analysis of the rationale for AU, and assessment of appropriateness is required to fully understand antimicrobial prescribing practices in pediatric hospitals and develop stewardship initiatives. Disclosures All authors: No reported disclosures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil0,401

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,011
Études des sciences et des technologies0,0030,001
Communication savante0,0030,001
Science ouverte0,0020,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,215
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpen Forum Infectious DiseasesMême sujetAntibiotic Use and ResistanceTravaux en français237 207