Feedback of Antibiotic Prescribing in Primary Care (FAPPC) trial: results of a real-world cluster randomized controlled trial in Scotland, UK
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the effect of general practice-level prescribing feedback on antibiotic prescribing in a real-world pragmatic cluster randomized controlled trial. METHODS: Three hundred and forty general practices in four territorial Health Boards in NHS Scotland were randomized in Quarter 1, 2016 to receive four quarterly antibiotic-prescribing feedback reports or not, from Quarter 2, 2016 to Quarter 1, 2017. Reports included different clinical topics, benchmarking against national and health board rates, and behavioural messaging with improvement actions. The primary outcome was total antibiotic prescribing rate. There were 16 secondary prescribing outcomes and 5 hospital admission outcomes (potential adverse effects of reduced prescribing). The main evaluation timepoint was 1 year after the final report (Quarter 1, 2018), with an additional evaluation in the quarter after the final report (Quarter 2, 2017). Routine administrative NHS data were used to generate the feedback reports and analyse the effects. RESULTS: Total antibiotic prescribing rates were lower at the main evaluation timepoint in both intervention (1.83 versus baseline 1.93 prescriptions/1000 patients/day) and control (1.90 versus baseline 1.98) practices, with no evidence of intervention effect [adjusted rate ratio (ARR) 0.98 (95% CI 0.94-1.02; P = 0.35)]. At the additional timepoint, adjusted total antibiotic prescribing rates were 1.67 and 1.73 prescriptions/1000 patients/day, with evidence of a small intervention effect, ARR 0.99 (0.98-1.00; P = 0.03). CONCLUSIONS: This well-designed, practice-level antibiotic-prescribing feedback had limited evidence of additional effects in the context of decreasing antibiotic prescribing and an established national stewardship programme.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».