90 Reduction of inappropriate antibiotic prescribing in a GP practice led by practice pharmacists
Notice bibliographique
Résumé
Aim Establish: The proportion of total volume of antibiotics* The proportion of broad spectrum* antibiotics prescribed Ensure local targets were met (Please see results) despite a growing list size To promote antibiotic stewardship Methods CCG data on antibiotic prescribing was reviewed at regular intervals. Baseline data was taken from the period of July 2018 to December 2018. The CCG used EPACT data and adjusted per 1000 STARPU. The following actions were then taken as a result of this data: Antibiotic prescriptions were monitored on a weekly basis against NICE antibiotics guidelines. Prescriptions outside of this guidance were reviewed further for appropriateness. Learnings were shared with individual prescribers & the wider team (there were approximately 100 prescribers at the practice in November 2018) Discouraging delayed antibiotic prescribing (improved access means patients are able to book subsequent appointments easily if necessary) These actions were driven by two practice pharmacists. Results Quantity of co-amoxiclav, cephalosporin and quinolone items*: The quantity reduced by 9 points*(36%) (p<0.001)(Target < 40) Quantity of total antibacterials*: The quantity reduced by 131* (30%) (p<0.001)(Target < 350) *Quantity per 1000 antibacterial STAR PU (From Hammersmith and Fulham CCG data) Discussion/conclusion All results were per 1000 registered users and were STAR PU adjusted (specific therapeutic age-sex related prescribing unit) allowing us to compare with other practices in the locality. Monitoring of antibiotics and sharing learnings on an ongoing basis by practice pharmacists has made a statistically significant impact on reducing the number of antibiotics prescribed and so assisted in antibiotic stewardship. Based on this we are sharing the learnings with our practices in Rwanda and Canada with an aim to safeguard antibiotic stewardship globally.
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 | 0,003 | 0,021 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».