Evaluating population-level interventions to reduce inappropriate antibiotic use in healthcare and community settings: A systematic review protocol
Notice bibliographique
Résumé
BACKGROUND: Inappropriate antibiotic use contributes significantly to the global challenge of antimicrobial resistance. While government-initiated population-level interventions are fundamental in addressing this issue, their full potential remains to be explored. This systematic review aims to assess the effectiveness of such interventions in reducing inappropriate antibiotic use among antibiotic providers and users in healthcare and community settings. METHODS: We will conduct a systematic literature search across multiple databases and grey literature sources. We will include studies which evaluate the effectiveness of population-level interventions to reduce inappropriate antibiotic use in healthcare and community settings in both high-income and low- and middle-income countries. This includes government-initiated measures targeting antibiotic use through education, restriction, incentivization, coercion, training, persuasion, context modification, behavior modeling, or barrier reduction. Two reviewers will independently perform screening to select eligible studies, followed by data extraction. The outcomes of interest are various measures of antibiotic prescription and consumption, such as Defined Daily Dose (DDD) or number of prescriptions per year. We anticipate including a broad range of study designs and outcome measures. Therefore, we will narratively synthesize results using the categories of the population-level policy interventions of the Behavior Change Wheel Framework. We will organize outcome data by economic contexts, target populations, and implementation settings. DISCUSSION: This review will strengthen the evidence base for the use of population-level interventions to address inappropriate antibiotic use. Drawing lessons from global experiences, the findings will provide valuable guidance to health policymakers, public health authorities, and researchers on tailoring interventions to specific economic contexts, populations, and settings, thereby enhancing their capacity to drive substantial improvement in appropriate antibiotic use.
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 | 0,116 | 0,122 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,006 |
| Méta-épidémiologie (sens large) | 0,019 | 0,020 |
| Bibliométrie | 0,019 | 0,019 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,008 | 0,007 |
| Intégrité de la recherche | 0,009 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,060 | 0,012 |
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 ».