Auditing tools for antimicrobial prescribing in solid organ transplant recipients: The why, the how, and an assessment of current options
Notice bibliographique
Résumé
BACKGROUND: Antimicrobial stewardship (AMS) aims to optimize antimicrobial use. Auditing and reporting of antimicrobial prescribing are essential. Auditing tools for solid organ transplant (SOT) patients should tailor to their needs. METHODS: We reviewed published data describing auditing tools in the general and SOT population. RESULTS: We focused on three internationally or nationally available auditing tools. The National Antimicrobial Prescribing Survey (NAPS) is web-based tool to report antimicrobial consumption and assess appropriateness using standardized definitions based on consensus guidelines. In the absence of guidelines, adjudication is based on AMS principles. An automated dashboard, analyses by indication or antimicrobial, and benchmarking reports are available. The National Healthcare Safety Network Antimicrobial Use/Resistance module was developed by the Centers for Disease Control and Prevention for hospitals to upload monthly data, which are standardized for benchmarking. It does not assess appropriateness or address SOT wards. The Global-Point Prevalence Survey from bioMérieux collects data on antimicrobial regimen, indication and microbial resistance. Variables unique to SOT include comorbidities and devices. Assessment of appropriateness is limited to guideline adherence, and benchmarking may require prearrangement with bioMérieux. Benchmarking requires prearrangement. Advances in electronic health record systems and clinical decision support tools can improve the efficiency of the auditing process. CONCLUSION: Each AMS auditing tool has unique features for SOT patients. Capturing immunosuppression, source control, organ dysfunction, donor-derived infection, serology, and colonization status will enhance their applicability.
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 | 0,000 | 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 ».