The Impact of COVID-19 on Outpatient Antibiotic Prescriptions in Ontario, Canada; An Interrupted Time Series Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The coronavirus disease 2019 (COVID-19) pandemic has potentially impacted outpatient antibiotic prescribing. Investigating this impact may identify stewardship opportunities in the ongoing COVID-19 period and beyond. METHODS: We conducted an interrupted time series analysis on outpatient antibiotic prescriptions and antibiotic prescriptions/patient visits in Ontario, Canada, between January 2017 and December 2020 to evaluate the impact of the COVID-19 pandemic on population-level antibiotic prescribing by prescriber specialty, patient demographics, and conditions. RESULTS: In the evaluated COVID-19 period (March-December 2020), there was a 31.2% (95% CI, 27.0% to 35.1%) relative reduction in total antibiotic prescriptions. Total outpatient antibiotic prescriptions decreased during the COVID-19 period by 37.1% (95% CI, 32.5% to 41.3%) among family physicians, 30.7% (95% CI, 25.8% to 35.2%) among subspecialist physicians, 12.1% (95% CI, 4.4% to 19.2%) among dentists, and 25.7% (95% CI, 21.4% to 29.8%) among other prescribers. Antibiotics indicated for respiratory infections decreased by 43.7% (95% CI, 38.4% to 48.6%). Total patient visits and visits for respiratory infections decreased by 10.7% (95% CI, 5.4% to 15.6%) and 49.9% (95% CI, 43.1% to 55.9%). Total antibiotic prescriptions/1000 visits decreased by 27.5% (95% CI, 21.5% to 33.0%), while antibiotics indicated for respiratory infections/1000 visits with respiratory infections only decreased by 6.8% (95% CI, 2.7% to 10.8%). CONCLUSIONS: The reduction in outpatient antibiotic prescribing during the COVID-19 pandemic was driven by less antibiotic prescribing for respiratory indications and largely explained by decreased visits for respiratory infections.
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.
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) | 0,002 | 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 découle