A quasi-experimental analysis comparing antimicrobial usage on COVID-19 and non-COVID-19 wards
Notice bibliographique
Résumé
Objective: To describe antimicrobial usage (AMU) trends before and during the coronavirus disease 2019 (COVID-19) pandemic, between COVID-19 and non-COVID-19 wards, and if there was any association with a COVID-19 order set. Design: Quasi-experimental retrospective interrupted time series analysis of AMU rates with a contemporaneous comparison of COVID-19 versus non-COVID-19 control wards. Analysis using incidence rate ratios (IRR) was conducted using a Poisson regression generalized linear model. Setting: Five COVID-19 and 4 comparable non-COVID-19 wards and 6 intensive care units (ICUs) at 4 hospitals during pandemic waves 1-4. Participants: All inpatients receiving systemic antimicrobials. Intervention: The COVID-19 checkbox antimicrobial order set was implemented in March 2020, to be used only if considered clinically indicated with modification in August 2021. Main Outcomes and Measures: The primary outcome was a change in AMU rates (defined daily dose per 100 patient days per month) comparing pre- versus peri-pandemic periods and COVID-19 versus control non-COVID-19 wards. Secondary outcomes included antifungal usage rate in ICUs and assessing AMUs following implementation and modification of a COVID-19 order set. Results: Significantly greater rates of AMU (IRR[95%CI]) were observed on COVID-19 wards versus non-COVID-19 wards during waves 1-4 for all systemic antimicrobials (1.76[1.71-1.81], 1.10[1.07-1.13], 1.48[1.43-1.53], and 1.06[1.03-1.09]); for azithromycin (11.76[9.80-14.23], 10.96[9.49-12.74], 12.41[10.73-14.45], and 4.88[4.31-5.55]); and for ceftriaxone (2.39[2.16-2.65], 3.64[3.29-4.03], 2.94[2.67-3.23], and 1.62[1.49-1.76]). Conclusions: We observed significantly increased AMU rates of all systemic agents during the first 4 waves of the pandemic and on COVID-19 wards compared with control wards for azithromycin and ceftriaxone. These agents saw a twofold reduction following order-set removal, suggesting that the clinical decision-support tool order set, as utilized, had influenced prescribing behavior.
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 | 0,015 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».