Challenges for global antibiotic regimen planning and establishing antimicrobial resistance targets: implications for the WHO Essential Medicines List and AWaRe antibiotic book dosing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
SUMMARY The World Health Organisation’s 2022 AWaRe Book provides guidance for the use of 39 antibiotics to treat 35 infections in primary healthcare and hospital facilities. We review the evidence underpinning suggested dosing regimens. Few ( n = 18) population pharmacokinetic studies exist for key oral AWaRe antibiotics, largely conducted in homogenous and unrepresentative populations hindering robust estimates of drug exposures. Databases of minimum inhibitory concentration distributions are limited, especially for community pathogen-antibiotic combinations. Minimum inhibitory concentration data sources are not routinely reported and lack regional diversity and community representation. Of studies defining a pharmacodynamic target for ß-lactams ( n = 80), 42 (52.5%) differed from traditionally accepted 30%–50% time above minimum inhibitory concentration targets. Heterogeneity in model systems and pharmacodynamic endpoints is common, and models generally use intravenous ß-lactams. One-size-fits-all pharmacodynamic targets are used for regimen planning despite complexity in drug-pathogen-disease combinations. We present solutions to enable the development of global evidence-based antibiotic dosing guidance that provides adequate treatment in the context of the increasing prevalence of antimicrobial resistance and, moreover, minimizes the emergence of resistance.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découle