MétaCan
Menu
Retour à la cohorte
Enregistrement W4383904656 · doi:10.1186/s13756-023-01271-7

Practices and challenges related to antibiotic use in paediatric treatment in hospitals and health centres in Niger and Uganda: a mixed methods study

2023· article· en· W4383904656 sur OpenAlexfundno aff
Grace Mambula, Deborah Nanjebe, Aurelia Munene, Ousmane Guindo, Aichatou Salifou, Abdoul‐Aziz Mamaty, Susan M Rattigan, Sally Ellis, Nathalie Khavessian, Rob W. van der Pluijm, Caroline Marquer, Irène Adehossi, Céline Langendorf

Notice bibliographique

RevueAntimicrobial Resistance and Infection Control · 2023
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAntibiotic Use and Resistance
Établissements canadiensnon disponible
Organismes subventionnairesCanton de GenèveBundesministerium für Bildung und ForschungEuropean CommissionPublic Health AgencyPublic Health Agency of CanadaDepartment of Health and Social CareWellcome Trust
Mots-clésMedicineMedical prescriptionAntibioticsAntibiotic resistancePublic healthHealth carePediatricsFamily medicineEnvironmental healthNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Antibiotic resistance is a significant public health problem and is responsible for high mortality in children and new-borns. Strengthening the rational use of antibiotics and improving the quality and access to existing antibiotics are important factors in the fight against antibiotic resistance. This study aims to provide knowledge on the use of antibiotics in children in resource-limited countries in order to identify problems and possible avenues for improvement of antibiotics use. METHODS: We conducted a retrospective study in July 2020 and collected quantitative clinical and therapeutic data on antibiotic prescriptions between January and December 2019 in 4 hospitals or health centres in both Uganda and Niger, respectively from January to December 2019. Semi-structured interviews and focus groups were conducted among healthcare personnel and carers for children under 17 years of age, respectively. RESULTS: A total of 1,622 children in Uganda and 660 children in Niger (mean age of 3.9 years (SD 4.43)) who received at least one antibiotic were included in the study. In hospital settings, 98.4 to 100% of children prescribed at least one antibiotic received at least one injectable antibiotic. Most hospitalized children received more than one antibiotic in both Uganda (52.1%) and Niger (71.1%). According to the WHO-AWaRe index, the proportion of prescriptions of antibiotics belonging to the Watch category was 21.8% (432/1982) in Uganda and 32.0% (371/1158) in Niger. No antibiotics from the Reserve category were prescribed. Health care provider's prescribing practices are rarely guided by microbiological analyses. Prescribers are faced with numerous constraints, such as lack of standard national guidelines, unavailability of essential antibiotics at the level of hospital pharmacies, the limited financial means of the families, and pressure to prescribe antibiotics from caregivers as well as from drug company representatives. The quality of some antibiotics provided by the National Medical Stores to the public and private hospitals has been questioned by some health professionals. Self-medication is a widespread practice for the antibiotic treatment of children for economic and access reasons. CONCLUSION: The study findings indicate that an intersection of policy, institutional norms and practices including individual caregiver or health provider factors, influence antibiotic prescription, administration and dispensing practices.

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)0,005
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,026
Tête enseignante GPT0,327
Écart entre enseignants0,302 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations21
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAntimicrobial Resistance and Infection ControlMême sujetAntibiotic Use and ResistanceTravaux en français237 207