501. Impact of Implementation of World Health Organization (WHO) National Action Plans (NAP) on Antibiotic Rates: A Time Series Analysis of 38 Countries
Notice bibliographique
Résumé
Abstract Background Antimicrobial Resistance (AMR) poses a major threat to global health. In 2015, the World Health Organization (WHO) advised that member nations should develop National Action Plans (NAPs) to improve antibiotic stewardship and decrease AMR. However, the association between NAP implementation and antibiotic use is unknown. The objective of this study, therefore, was to examine post NAP-implementation changes in antibiotic utilization.Figure 1:Relative change in the population-based antibiotic rate after 2 years of implementation of National Action Plans (NAP) Methods We conducted a longitudinal repeated cross-sectional study of antibiotic purchases leveraging IQVIA’s MIDAS database. Our sample included 38 countries which implemented NAPs from June 2013 to January 2018. Quarterly purchases were reported in standardized units (1 pill/capsule/vial/5mL oral liquid) per 1 million population. We conducted an interrupted time-series analysis using mixed effects negative binomial models with a log link to assess level and trend changes in the antibiotic purchasing rate in the 8 quarters after each country’s NAP implementation, relative to 8 quarters pre-implementation. We included sinusoidal terms to account for seasonality, as well as random effects to estimate country-specific changes in rates after 8 quarters. Results Across all countries, the average level change post-NAP implementation was .03 log units (p=.44), and the average trend decreased by -.0014 log units per quarter (p=.72). After two years, the overall relative change in the purchasing rate was 1.9% [-7.8, 12.5], with country-specific effects ranging from -38.6% to 216% (See Figure 1). Only 4 countries (Norway, Jordan, South Africa, and Indonesia) experienced significant decreases. Conclusion Implementation of the NAP was not associated with overall changes in antibiotic purchasing two years later. The findings of this study may be useful for evaluating the effectiveness of these policies in terms of their stated objectives as well as identifying factors that led to the success of those countries that did observe decreases in antibiotic utilization. Disclosures All Authors: No reported disclosures
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».