Impact of a mobile decision support tool on antimicrobial stewardship indicators in St. John’s, Canada
Notice bibliographique
Résumé
OBJECTIVES: Inappropriate antibiotic use contributes to antimicrobial resistance. The SpectrumTM app provides antibiotic decision support, based on local antimicrobial resistance rates. We determined the impact of regional implementation of the app on inpatient antimicrobial appropriateness, inpatient antimicrobial usage (AMU), population-based Clostridioides difficile infection (CDI) rates and cost, using a retrospective, before and after quasi-experimental design, including a one-year study period. METHODS: The SpectrumTM app was released to prescribers in February, 2019. We performed two one-day inpatient point prevalence surveys using the National Antimicrobial Prescribing Survey tool, six months before (June 25, 2018) and six months after (June 25, 2019) app dissemination. Inpatient AMU in Defined Daily Dose/1000 patient days and CDI incidence were compared, before and after app dissemination. RESULTS: The pre-survey included 184 prescriptions, and the post-survey included 197 prescriptions. Appropriateness was 97/176 (55.1%) pre, and 126/192 (65.6%) post (+10.5%, p = 0.051). Inpatient AMU declined by 6.6 DDD/1000 patient days per month, and CDI declined by 0.3 cases per month. Cost savings associated with reduced AMU were $403.98/bed/year and associated with reduced CDI were $82,078/year. CONCLUSION: We observed improvement in antimicrobial stewardship indicators following SpectrumTM implementation. We cannot determine the cause of these improvements.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».