MétaCan
Menu
Retour à la cohorte
Enregistrement W3113107554 · doi:10.23889/ijpds.v5i5.1439

Estimating the Proportion of Antibiotics Attributable to Common Paediatric Respiratory Viruses: An Example Leveraging Unique Population-Based Prescribing and Laboratory Data

2020· article· en· W3113107554 sur OpenAlexaff
Tiffany Fitzpatrick, William Malcolm, Jim McMenamin, Arlene Reynolds, Astrid Guttmann, Pia Hardelid

Notice bibliographique

RevueInternational Journal for Population Data Science · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory viral infections research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical prescriptionAntibioticsPopulationAntibiotic resistancePediatricsAmoxicillinRespiratory tract infectionsEpidemiologyInternal medicineRespiratory systemEnvironmental healthBiologyMicrobiology

Résumé

récupéré en direct d'OpenAlex

IntroductionInappropriate antibiotic prescribing, such as that for viral illness, is common in primary care. This is of growing interest given concerns around antimicrobial resistance and harms associated with unnecessary treatment; however, current data limitations have hindered population-based estimates of the proportion of community-prescribed antibiotics attributable to common respiratory viruses. Objectives and ApproachTo estimate the proportion of antibiotics prescribed in primary care to young children attributable to common respiratory viruses, including respiratory syncytial virus (RSV), influenza, human metapneumovirus (HuMPV) and parainfluenza. We leveraged two unique sources of comprehensive, linked population-based administrative data on dispensed antibiotic prescriptions and laboratory tests for respiratory viruses for all Scottish children (<5 years). We fit time series negative binomial models to predict weekly antibiotic prescribing rates from positive viral tests rates for the period April 1, 2009 through Dec 27, 2017. Using linked demographic and hospitalization data, we stratified our analysis by age, presence of high-risk chronic medical conditions, and antibiotic class. ResultsWe included data on over 6 million antibiotic prescriptions among nearly 800,000 children. An estimated 6.9% (95% CI: 5.6,8.3), 2.4% (1.7,3.1), and 2.3% (0.8,3.9) of prescribed antibiotics were attributable to RSV, influenza and HuMPV, respectively. RSV was consistently associated with the highest proportion of antibiotics prescribed across all analyses but particularly among children without chronic conditions [4.30% (3.19, 5.41)] and for amoxicillin [8.10% (6.43, 9.76)] and macrolide prescriptions [7.65% (6.14, 9.16)]. Conclusion / ImplicationsNearly 14% of antibiotics prescribed to Scottish children in this study were attributable to common viral pathogens such as RSV for which antibiotics are not recommended. This highlights clear targets for antibiotic stewardship programs and suggests antibiotic prescribing could be reduced once an RSV vaccine is introduced.

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)0,010
score de la tête « metaresearch » (Gemma)0,031
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 enseignants0,058
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,031
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,331
Tête enseignante GPT0,464
Écart entre enseignants0,133 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetRespiratory viral infections researchTravaux en français237 207