Unnecessary antibiotic prescribing in a Canadian primary care setting: a descriptive analysis using routinely collected electronic medical record data
Notice bibliographique
Résumé
BACKGROUND: Unnecessary antibiotic use in the community in Canada is not well defined. Our objective was to quantify unnecessary antibiotic prescribing in a Canadian primary care setting. METHODS: We performed a descriptive analysis in Ontario from April 2011 to March 2016 using the Electronic Medical Records Primary Care database linked to other health administrative data sets at ICES. We determined antibiotic prescribing rates (per 100 patient-physician encounters) for 23 common conditions and estimated rates of unnecessary prescribing using predefined expected prescribing rates, both stratified by condition and patient age group. RESULTS: The study included 341 physicians, 204 313 patients and 499 570 encounters. The rate of unnecessary antibiotic prescribing for included conditions was 15.4% overall and was 17.6% for those less than 2 years of age, 18.6% for those aged 2-18, 14.5% for those aged 19-64 and 13.0% for those aged 65 or more. The highest unnecessary prescribing rates were observed for acute bronchitis (52.6%), acute sinusitis (48.4%) and acute otitis media (39.3%). The common cold, acute bronchitis, acute sinusitis and miscellaneous nonbacterial infections were responsible for 80% of the unnecessary antibiotic prescriptions. Of all antibiotics prescribed, 12.0% were for conditions for which they are never indicated, and 12.3% for conditions for which they are rarely indicated. In children, 25% of antibiotics were for conditions for which they are never indicated (e.g., common cold). INTERPRETATION: Antibiotics were prescribed unnecessarily for 15.4% of included encounters in a Canadian primary care setting. Almost one-quarter of antibiotics were prescribed for conditions for which they are rarely or never indicated. These findings should guide safe reductions in the use of antibiotics for the common cold, bronchitis and sinusitis.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».