Antimicrobial use in Canadian acute-care hospitals: Findings from three national point-prevalence surveys between 2002 and 2017
Notice bibliographique
Résumé
Abstract Objectives: The Canadian Nosocomial Infection Surveillance Program conducted point-prevalence surveys in acute-care hospitals in 2002, 2009, and 2017 to identify trends in antimicrobial use. Methods: Eligible inpatients were identified from a 24-hour period in February of each survey year. Patients were eligible (1) if they were admitted for ≥48 hours or (2) if they had been admitted to the hospital within a month. Chart reviews were conducted. We calculated the prevalence of antimicrobial use as follows: patients receiving ≥1 antimicrobial during survey period per number of patients surveyed × 100%. Results: In each survey, 28−47 hospitals participated. In 2002, 2,460 (36.5%; 95% CI, 35.3%−37.6%) of 6,747 surveyed patients received ≥1 antimicrobial. In 2009, 3,566 (40.1%, 95% CI, 39.0%−41.1%) of 8,902 patients received ≥1 antimicrobial. In 2017, 3,936 (39.6%, 95% CI, 38.7%−40.6%) of 9,929 patients received ≥1 antimicrobial. Among patients who received ≥1 antimicrobial, penicillin use increased 36.8% between 2002 and 2017, and third-generation cephalosporin use increased from 13.9% to 18.1% ( P < .0001). Between 2002 and 2017, fluoroquinolone use decreased from 25.7% to 16.3% ( P < .0001) and clindamycin use decreased from 25.7% to 16.3% ( P < .0001) among patients who received ≥1 antimicrobial. Aminoglycoside use decreased from 8.8% to 2.4% ( P < .0001) and metronidazole use decreased from 18.1% to 9.4% ( P < .0001). Carbapenem use increased from 3.9% in 2002 to 6.1% in 2009 ( P < .0001) and increased by 4.8% between 2009 and 2017 ( P = .60). Conclusions: The prevalence of antimicrobial use increased between 2002 and 2009 and then stabilized between 2009 and 2017. These data provide important information for antimicrobial stewardship programs.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».