Effectiveness, barriers and facilitating factors of strategies for active delabelling of patients with penicillin allergy labels: a systematic review protocol
Notice bibliographique
Résumé
INTRODUCTION: Up to 15% of adult patients in the clinical setting report to be allergic to penicillin. However, in most cases, penicillin allergy is not confirmed. Due to the negative aspects associated with erroneous penicillin allergy, the implementation of active delabelling processes for penicillin allergy is an important part of antibiotic stewardship programmes. Depending on the clinical setting, different factors need to be considered during implementation. This review examines the effectiveness of different delabelling interventions and summarises components and structures that facilitate, support or constrain structured penicillin allergy delabelling. METHODS AND ANALYSIS: This review will adhere to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses. The databases MEDLINE (via PubMed), EMBASE and Cochrane Library were searched for studies reporting on any intervention to identify, assess or rule out uncertain penicillin allergy. To improve completeness, two further databases are also searched for grey literature. Study design, intervention type, professional groups involved, effectiveness, limitations, barriers, facilitating factors, clinical setting and associated regulatory factors will be extracted and analysed. In addition, exclusion criteria for participation in the delabelling intervention and criteria for not delabelling penicillin allergy will be summarised. In case of failed protocols, these are highlighted and quantitatively analysed if possible. Two independent reviewers will perform the screening process and data extraction. Discordant decisions will be resolved through review by a third reviewer. Bias assessment of the individual studies will be performed using the Newcastle Ottawa Scale. ETHICS AND DISSEMINATION: Because individual patient-related data are not analysed, an ethical approval is not required. The review will be published in a peer-reviewed scientific journal.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,096 | 0,094 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,005 |
| Méta-épidémiologie (sens large) | 0,022 | 0,018 |
| Bibliométrie | 0,014 | 0,011 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,008 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,049 | 0,007 |
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 source (Gemma direct ou Codex distillé), 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 ».