MétaCan
Menu
Retour à la cohorte
Enregistrement W4396763285 · doi:10.1017/ash.2024.73

Five steps to high quality antimicrobial stewardship research

2024· article· en· W4396763285 sur OpenAlexaff
Bradley J. Langford, Pamela Bailey, Daniel J. Livorsi, Kevin A. Brown, Sonali D. Advani, Elizabeth Dodds Ashley, Gonzalo Bearman, Priya Nori

Notice bibliographique

RevueAntimicrobial Stewardship & Healthcare Epidemiology · 2024
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAntibiotic Use and Resistance
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesCenters for Disease Control and PreventionNational Institute on AgingNational Institutes of HealthInfectious Diseases Society of America
Mots-clésAntimicrobial stewardshipChecklistStewardship (theology)Quality (philosophy)FormularyIntervention (counseling)AntimicrobialProcess managementBusinessRisk analysis (engineering)Knowledge managementAntibiotic resistanceMedicineComputer scienceNursingPsychologyPolitical scienceAntibioticsBiologyMicrobiology

Résumé

récupéré en direct d'OpenAlex

Abstract The escalating threat of antimicrobial resistance (AMR) necessitates impactful, reproducible, and scalable antimicrobial stewardship strategies. This review addresses the critical need to enhance the quality of antimicrobial stewardship intervention research. We propose five considerations for authors planning and evaluating antimicrobial stewardship initiatives. Antimicrobial stewards should consider the following mnemonic ABCDE: (A) plan A head using implementation science; (B) B e clear and thoroughly describe the intervention by using the TidIER checklist; (C) Use a C hecklist to comprehensively report study components; (D) Select a study D esign carefully; and (E) Assess E ffectiveness and implementation by selecting meaningful outcomes. Incorporating these recommendations will help strengthen the evidence base of antimicrobial stewardship literature and support optimal implementation of strategies to mitigate AMR.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,009

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.

Tête enseignante Opus0,121
Tête enseignante GPT0,426
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAntimicrobial Stewardship & Healthcare EpidemiologyMême sujetAntibiotic Use and ResistanceTravaux en français237 207