Factors influencing choices of empirical antibiotic treatment for bacterial infections in a scenario-based survey in Vietnam
Notice bibliographique
Résumé
BACKGROUND: Antimicrobial stewardship (AMS) programmes have been implemented around the world to guide rational use of antibiotics but implementation is challenging, particularly in low- and middle-income countries, including Vietnam. Understanding factors influencing doctors' prescribing choices for empirical treatment can help design AMS interventions in these settings. OBJECTIVES: To understand doctors' choices of antibiotics for empirical treatment of common bacterial infections and the factors influencing decision-making. METHODS: We conducted a cross-sectional survey among medical professionals applying for a postgraduate programme at Hanoi Medical University, Vietnam. We used a published survey developed for internal medicine doctors in Canada. The survey was self-administered and included four clinical scenarios: (i) severe undifferentiated sepsis; (ii) mild undifferentiated sepsis; (iii) severe genitourinary infection; and (iv) mild genitourinary infection. RESULTS: A total of 1011/1280 (79%), 683/1188 (57.5%), 718/1157 (62.1%) and 542/1062 (51.0%) of the participants selected combination therapy for empirical treatment in scenarios 1, 2, 3 and 4, respectively. Undifferentiated sepsis (OR 1.82, 95% CI 1.46-2.27 and 2.18, 1.51-3.16 compared with genitourinary) and severe infection (1.33, 1.24-1.43 and 1.38, 1.21-1.58 compared with mild) increased the likelihood of choosing a combination therapy and a carbapenem regimen, respectively. Participants with higher acceptable minimum threshold for treatment coverage and young age were also more likely to prescribe carbapenems. CONCLUSIONS: Decision-making in antibiotic prescribing among doctors in Vietnam is influenced by both disease-related characteristics and individual factors, including acceptable minimum treatment coverage. These findings are useful for tailoring AMS implementation in Vietnam and other, similar settings.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».