The impact of COVID-19 on community antibiotic use in Canada: an ecological study
Notice bibliographique
Résumé
OBJECTIVES: The COVID-19 pandemic has had an effect on the incidence of infectious diseases and medical care. This study aimed to describe the impact of the COVID-19 pandemic on community-level antibiotic use. METHODS: Using national antibiotic dispensing data from IQVIA's CompuScript database, this ecological study investigated antibiotic dispensing through community retail pharmacies in Canada from November 2014 to October 2020. Analyses were stratified by age, sex, prescription origin and approximate indication. RESULTS: Adjusting for seasonality, the national rate of antibiotic dispensing in Canada decreased by 26.5% (50.4 to 37.0 average prescriptions per 1000 inhabitants) during the first 8 months of the Canadian COVID-19 period (March to October 2020), compared with the pre-COVID-19 period. Prescribing rates in children ≤18 years decreased from 43.7 to 12.2 prescriptions per 1000 inhabitants in males (-72%) and from 46.8 to 14.9 prescriptions per 1000 inhabitants in females (-68%) in April 2020. Rates in adults ≥65 decreased from 74.9 to 48.8 prescriptions per 1000 inhabitants in males (-35%) and from 91.7 to 61.3 prescriptions per 1000 inhabitants in females (-33%) in May 2020. Antibiotic prescriptions from family physicians experienced a greater decrease than from surgeons and infectious disease physicians. Prescribing rates for antibiotics for respiratory indications decreased by 56% in May 2020 (29.2 to 12.8 prescriptions per 1000 inhabitants), compared with prescribing rates for urinary tract infections (9.4 to 7.8 prescriptions per 1000 inhabitants; -17%) and skin and soft tissue infections (6.4 to 5.2 prescriptions per 1000 inhabitants; -19%). DISCUSSION: The first 8 months of the COVID-19 pandemic reduced community antibiotic dispensing by 26.5% in Canada, compared with the marginal decrease of 3% in antibiotic consumption between 2015 and 2019. Further research is needed to understand the implications and long-term effects of the observed reductions on antibiotic use on antibiotic resistance in Canada.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».