Health care professionals' knowledge and attitudes towards antibiotic prescribing for the treatment of urinary tract infections: A systematic review
Notice bibliographique
Résumé
PURPOSE: Previous models identify knowledge and attitudes that influence prescribing behaviour. The present study focuses on antibiotic prescribing for urinary tract infections (UTIs) to describe levels of health care professionals' knowledge and attitude factors in this area and how those levels are assessed. METHODS: A systematic search was conducted to identify studies assessing the identified knowledge or attitude factors influencing health care professionals' antibiotic prescribing for urinary tract infections up to September 2022. Study quality was assessed using the Newcastle-Ottawa scale. Data were extracted about the types of factors assessed, the levels indicated and how those levels were assessed. Data were synthesized using counts, and levels were categorized as 'poor', 'moderate', 'high' or 'very high'. RESULTS: Seven studies were identified, six of which relied entirely on closed-ended items. Levels of knowledge factors assessed were poor, for example, their 'knowledge of condition' and 'knowledge of task environment' were poor. Levels of the attitude factors assessed varied, for example, while health care professionals expressed moderate confidence in providing optimal patient care and appropriate attitude of fear towards the problem of antibiotic resistance, they expressed a poor attitude of complacency by giving into patient pressure to prescribe an antibiotic. CONCLUSIONS: Present evidence suggests that clinicians have poor levels of knowledge and varying levels of attitudes about antibiotic prescribing for UTIs. However, few studies were identified, and assessments were largely limited to closed-ended types of questions. Future studies that assess more factors and employ open-ended question types could better inform future interventions to optimize antibiotic prescribing.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».