Antibiotic prescribing patterns of general practice registrars for infective conjunctivitis: a cross-sectional analysis
Notice bibliographique
Résumé
INTRODUCTION Over-prescription of antibiotics for common infective conditions is an important health issue. Infective conjunctivitis represents one of the most common eye-related complaints in general practice. Despite its self-limiting nature, there is evidence of frequent general practitioner (GP) antibiotic prescribing for this condition, which is inconsistent with evidence-based guidelines. AIM To investigate the prevalence and associations of GP registrars' (trainees') prescription of antibiotics for infective conjunctivitis. METHODS We performed a cross-sectional analysis of the Registrar Encounters in Clinical Training (ReCEnT) ongoing prospective cohort study, which documents GP registrars' clinical consultations (involving collection of information from 60 consecutive consultations, at three points during registrar training). The outcome of the analyses was antibiotic prescription for a new diagnosis of conjunctivitis. Patient, registrar, practice and consultation variables were included in uni- and multivariable logistic regression analyses to test associations of these prescriptions. RESULTS In total, 2333 registrars participated in 18 data collection rounds from 2010 to 2018. There were 1580 new cases of infective conjunctivitis (0.31% of all problems). Antibiotics (mainly topical) were prescribed in 1170 (74%) of these cases. Variables associated with antibiotic prescription included patients' Aboriginal or Torres Strait Islander status, registrar organisation of a follow up (both registrar and other GP follow up), and earlier registrar training term (more junior status). DISCUSSION GP registrars, like established GPs, prescribe antibiotics for conjunctivitis in excess of guideline recommendations, but prescribing rates are lower in later training. These prescribing patterns have educational, social and economic consequences. Further educational strategies may enhance attenuation of registrars' prescribing during training.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».