Identifying Targets for Antibiotic Use for the Management of Carbapenem-Resistant Acinetobacter baumannii (CRAb) in Hospitals—A Multi-Centre Nonlinear Time-Series Study
Notice bibliographique
Résumé
Solutions are needed to inform antimicrobial stewardship (AMS) regarding balancing the access to effective antimicrobials with the need to control antimicrobial resistance. Theoretical and mathematical models suggest a non-linear relationship between antibiotic use and resistance, indicating the existence of thresholds of antibiotic use beyond which resistance would be triggered. It is anticipated that thresholds may vary across populations depending on host, environment, and organism factors. Further research is needed to evaluate thresholds in antibiotic use for a specific pathogen across different settings. The objective of this study is to identify thresholds of population antibiotic use associated with the incidence of carbapenem-resistant Acinetobacter baumannii (CRAb) across six hospital sites in Oman. The study was an ecological, multi-centre evaluation that involved collecting historical antibiotic use and CRAb incidence over the period from January 2015 to December 2019. By using non-linear time-series analysis, we identified different thresholds in the use of third-generation cephalosporins, piperacillin-tazobactam, aminoglycoside, and fluoroquinolones across participating hospitals. The identification of different thresholds emphasises the need for tailored analysis based on modelling data from each hospital. The determined thresholds can be used to set targets for each hospital AMS, providing a balance between access to these antibiotics versus controlling CRAb incidence.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».