Evaluation of antimicrobial purchasing by companion animal veterinary facilities in Canada, the United Kingdom, and the United States of America (2019-2021)
Notice bibliographique
Résumé
BACKGROUND: Measuring antimicrobial use is a core component of antimicrobial stewardship. Purchasing data may be easier to obtain than prescription data in some situations, but differences in clinic size, caseload and collection timeframes must be considered. OBJECTIVE: Our objective was to evaluate purchases of systemic antibacterial agents by small animal veterinary facilities in 5 networks across 3 countries, using a mg/veterinarian full time equivalent (FTE)/week as the metric. METHODS: Data were obtained from purchasing records of 2194 veterinary facilities from networks from the United States (US, n = 3: US-A, 1036 facilities; US-B, 101 facilities; US-C, 886 facilities), Canada (n = 1: 117 facilities) and the United Kingdom (UK, n = 1: 54 facilities) during 2019-2021. RESULTS: In total, 20 020 269 767 mg (20.02 t) of antimicrobials were purchased. Overall differences between the UK and North America were driven by significantly higher purchases of amoxicillin-clavulanic acid in the UK (P < .001), with substantially less purchasing of third generation cephalosporins in the UK (P < .0001). A significant association was found between FTE and purchasing, with decreased purchasing (mg/FTE/week) as facility FTE increased. Significant differences also were found among US regions. Facilities in the top 10% of total purchasing accounted for 23%-30% of purchases, compared to only 1.6%-3.8% for the bottom 10%. CONCLUSIONS AND CLINICAL IMPORTANCE: These data provide useful information about general purchasing trends, inter- and intraregional differences and differences among facility types and identify high purchasing outliers for further investigation.
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) | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 ».