Documenting the indication for antimicrobial prescribing: a scoping review
Notice bibliographique
Résumé
BACKGROUND: Documenting an indication when prescribing antimicrobials is considered best practice; however, a better understanding of the evidence is needed to support broader implementation of this practice. OBJECTIVES: We performed a scoping review to evaluate antimicrobial indication documentation as it pertains to its implementation, prevalence, accuracy and impact on clinical and utilisation outcomes in all patient populations. ELIGIBILITY CRITERIA: Published and unpublished literature evaluating the documentation of an indication for antimicrobial prescribing. SOURCES OF EVIDENCE: A search was conducted in MEDLINE, Embase, CINAHL and International Pharmaceutical Abstracts in addition to a review of the grey literature. CHARTING AND ANALYSIS: Screening and extraction was performed by two independent reviewers. Studies were categorised inductively and results were presented descriptively. RESULTS: We identified 123 peer-reviewed articles and grey literature documents for inclusion. Most studies took place in a hospital setting (109, 89%). The median prevalence of antimicrobial indication documentation was 75% (range 4%-100%). Studies evaluating the impact of indication documentation on prescribing and patient outcomes most commonly examined appropriateness and identified a benefit to prescribing or patient outcomes in 17 of 19 studies. Qualitative studies evaluating healthcare worker perspectives (n=10) noted the common barriers and facilitators to this practice. CONCLUSION: There is growing interest in the importance of documenting an indication when prescribing antimicrobials. While antimicrobial indication documentation is not uniformly implemented, several studies have shown that multipronged approaches can be used to improve this practice. Emerging evidence demonstrates that antimicrobial indication documentation is associated with improved prescribing and patient outcomes both in community and hospital settings. But setting-specific and larger trials are needed to provide a more robust evidence base for this practice.
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 | 0,060 | 0,212 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,041 | 0,038 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».