MétaCan
Menu
Retour à la cohorte
Enregistrement W4311908261 · doi:10.1016/j.cmi.2022.12.006

Antibiotic resistance associated with the COVID-19 pandemic: a systematic review and meta-analysis

2022· review· en· W4311908261 sur OpenAlexaff
Bradley J. Langford, Jean‐Paul Soucy, Valerie Leung, Miranda So, Angela T.H. Kwan, Jacob S. Portnoff, Silvia Bertagnolio, Sumit Raybardhan, Derek R. MacFadden, Nick Daneman

Notice bibliographique

RevueClinical Microbiology and Infection · 2022
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueAntibiotic Use and Resistance
Établissements canadiensHealth Sciences CentreOttawa HospitalSunnybrook Health Science CentreNorth York General HospitalUniversity of OttawaUniversity of TorontoPublic Health Ontario
Organismes subventionnairesWorld Health Organization
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Antibiotic resistanceAntibioticsVirologyMedicineBetacoronavirusMeta-analysisIntensive care medicineMicrobiologyBiologyInfectious disease (medical specialty)Internal medicineOutbreakDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: COVID-19 and antimicrobial resistance (AMR) are two intersecting global public health crises. OBJECTIVE: We aimed to describe the impact of the COVID-19 pandemic on AMR across health care settings. DATA SOURCE: A search was conducted in December 2021 in WHO COVID-19 Research Database with forward citation searching up to June 2022. STUDY ELIGIBILITY: Studies evaluating the impact of COVID-19 on AMR in any population were included and influencing factors were extracted. Reporting of enhanced infection prevention and control and/or antimicrobial stewardship programs was noted. METHODS: Pooling was done separately for Gram-negative and Gram-positive organisms. Random-effects meta-analysis was performed. RESULTS: Of 6036 studies screened, 28 were included and 23 provided sufficient data for meta-analysis. The majority of studies focused on hospital settings (n = 25, 89%). The COVID-19 pandemic was not associated with a change in the incidence density (incidence rate ratio 0.99, 95% CI: 0.67-1.47) or proportion (risk ratio 0.91, 95% CI: 0.55-1.49) of methicillin-resistant Staphylococcus aureus or vancomycin-resistant enterococci cases. A non-statistically significant increase was noted for resistant Gram-negative organisms (i.e. extended-spectrum beta-lactamase, carbapenem-resistant Enterobacterales, carbapenem or multi-drug resistant or carbapenem-resistant Pseudomonas aeruginosa or Acinetobacter baumannii, incidence rate ratio 1.64, 95% CI: 0.92-2.92; risk ratio 1.08, 95% CI: 0.91-1.29). The absence of reported enhanced infection prevention and control and/or antimicrobial stewardship programs initiatives was associated with an increase in gram-negative AMR (risk ratio 1.11, 95% CI: 1.03-1.20). However, a test for subgroup differences showed no statistically significant difference between the presence and absence of these initiatives (p 0.40). CONCLUSION: The COVID-19 pandemic may have hastened the emergence and transmission of AMR, particularly for Gram-negative organisms in hospital settings. But there is considerable heterogeneity in both the AMR metrics used and the rate of resistance reported across studies. These findings reinforce the need for strengthened infection prevention, antimicrobial stewardship, and AMR surveillance in the context of the COVID-19 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,035
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0180,042
Bibliométrie0,0100,011
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,152
Tête enseignante GPT0,391
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations230
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Microbiology and InfectionMême sujetAntibiotic Use and ResistanceTravaux en français237 207