A Time Series Analysis Evaluating Antibiotic Prescription Rates in Long-Term Care during the COVID-19 Pandemic in Alberta and Ontario, Canada
Notice bibliographique
Résumé
The COVID-19 pandemic affected access to care, and the associated public health measures influenced the transmission of other infectious diseases. The pandemic has dramatically changed antibiotic prescribing in the community. We aimed to determine the impact of the COVID-19 pandemic and the resulting control measures on oral antibiotic prescribing in long-term care facilities (LTCFs) in Alberta and Ontario, Canada using linked administrative data. Antibiotic prescription data were collected for LTCF residents 65 years and older in Alberta and Ontario from 1 January 2017 until 31 December 2020. Weekly prescription rates per 1000 residents, stratified by age, sex, antibiotic class, and selected individual agents, were calculated. Interrupted time series analyses using SARIMA models were performed to test for changes in antibiotic prescription rates after the start of the pandemic (1 March 2020). The average annual cohort size was 18,489 for Alberta and 96,614 for Ontario. A significant decrease in overall weekly prescription rates after the start of the pandemic compared to pre-pandemic was found in Alberta, but not in Ontario. Furthermore, a significant decrease in prescription rates was observed for antibiotics mainly used to treat respiratory tract infections: amoxicillin in both provinces (Alberta: −0.6 per 1000 LTCF residents decrease in weekly prescription rate, p = 0.006; Ontario: −0.8, p < 0.001); and doxycycline (−0.2, p = 0.005) and penicillin (−0.04, p = 0.014) in Ontario. In Ontario, azithromycin was prescribed at a significantly higher rate after the start of the pandemic (0.7 per 1000 LTCF residents increase in weekly prescription rate, p = 0.011). A decrease in prescription rates for antibiotics that are largely used to treat respiratory tract infections is in keeping with the lower observed rates for respiratory infections resulting from pandemic control measures. The results should be considered in the contexts of different LTCF systems and provincial public health responses to the pandemic.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».