MétaCan
Menu
Retour à la cohorte
Enregistrement W3210368323 · doi:10.1093/ofid/ofab533

The Impact of COVID-19 on Outpatient Antibiotic Prescriptions in Ontario, Canada; An Interrupted Time Series Analysis

2021· article· en· W3210368323 sur OpenAlexafffundabout
Taito Kitano, Kevin A. Brown, Nick Daneman, Derek R. MacFadden, Bradley J. Langford, Valerie Leung, Miranda So, Elizabeth Leung, Lori L. Burrows, Douglas G. Manuel, Dawn M. E. Bowdish, Colleen J. Maxwell, Susan E. Bronskill, James Brooks, Kevin L. Schwartz

Notice bibliographique

RevueOpen Forum Infectious Diseases · 2021
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAntibiotic Use and Resistance
Établissements canadiensSt Joseph's Health CentreWomen's College HospitalUniversity of WaterlooMcMaster UniversitySt. Michael's HospitalSinai Health SystemMcMaster University Medical CentreUniversity Health NetworkOttawa HospitalPublic Health Agency of CanadaInstitute for Clinical Evaluative SciencesUniversity of OttawaSunnybrook HospitalToronto East General HospitalUniversity of TorontoSickKids FoundationHospital for Sick ChildrenPublic Health Ontario
Organismes subventionnairesInstitut canadien d'information sur la santéOntario Ministry of Health and Long-Term Care
Mots-clésMedicineMedical prescriptionAntibioticsAntimicrobial stewardshipSpecialtyPediatricsPandemicRespiratory tract infectionsCoronavirus disease 2019 (COVID-19)Internal medicineEmergency medicineFamily medicineRespiratory systemAntibiotic resistanceInfectious disease (medical specialty)Disease

Résumé

récupéré en direct d'OpenAlex

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.

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)0,004
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,028
Score d'incertitude au seuil0,200

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,272
Écart entre enseignants0,260 · 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

Citations55
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueOpen Forum Infectious DiseasesMême sujetAntibiotic Use and ResistanceTravaux en français237 207