Decreasing Misdiagnoses of Urinary Tract Infections in a Pediatric Emergency Department
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Urinary tract infection (UTI) is a common diagnosis in the emergency department (ED), often resulting in empirical antibiotic treatment before culture results. Diagnosis of a UTI, particularly in children, can be challenging and misdiagnosis is common. The aim of this initiative was to decrease the misdiagnosis of uncomplicated pediatric UTIs by 50% while improving antimicrobial stewardship in the ED over 4 years. METHODS: By using the Model for Improvement, 3 interventions were developed: (1) an electronic UTI diagnostic algorithm, (2) a callback system, and (3) a standardized discharge antibiotic prescription. Outcome measures included the percentage of patients with UTI misdiagnosis (prescribed antibiotics, but urine culture results negative) and antibiotic days saved. As a balancing measure, positive urine culture results without a UTI diagnosis were reviewed for ED return visits or hospitalization. Statistical process control and run charts were used for analysis. RESULTS: From 2017 to 2021, the mean UTI misdiagnosis decreased from 54.6% to 26.4%. The adherence to the standardized antibiotic duration improved from 45.1% to 84.6%. With the callback system, 2128 antibiotic days were saved with a median of 89% of patients with negative culture results contacted to discontinue antibiotics. Of 186 patients with positive urine culture results with an unremarkable urinalysis, 14 returned to the ED, and 2 were hospitalized for multiresistant organism UTI treatment. CONCLUSIONS: A UTI diagnostic algorithm coupled with a callback system safely reduced UTI misdiagnoses and antibiotic usage. Embedding these interventions electronically as a decision support tool, targeted audit and feedback, reminders, and education all supported long-term sustainability.
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 | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».