The impact of the COVID-19 pandemic on antimicrobial usage: an international patient-level cohort study
Notice bibliographique
Résumé
Background: This study aimed to evaluate the trends in antimicrobial prescription during the first 1.5 years of COVID-19 pandemic. Methods: This was an observational, retrospective cohort study using patient-level data from Bangladesh, Brazil, India, Italy, Malawi, Nigeria, South Korea, Switzerland and Turkey from patients with pneumonia and/or acute respiratory distress syndrome and/or sepsis, regardless of COVID-19 positivity, who were admitted to critical care units or COVID-19 specialized wards. The changes of antimicrobial prescription between pre-pandemic and pandemic were estimated using logistic or linear regression. Pandemic effects on month-wise antimicrobial usage were evaluated using interrupted time series analyses (ITSAs). Results: Antimicrobials for which prescriptions significantly increased during the pandemic were as follows: meropenem in Bangladesh (95% CI: 1.94-4.07) with increased prescribed daily dose (PDD) (95% CI: 1.17-1.58) and Turkey (95% CI: 1.09-1.58), moxifloxacin in Bangladesh (95% CI: 4.11-11.87) with increased days of therapy (DOT) (95% CI: 1.14-2.56), piperacillin/tazobactam in Italy (95% CI: 1.07-1.48) with increased DOT (95% CI: 1.01-1.25) and PDD (95% CI: 1.05-1.21) and azithromycin in Bangladesh (95% CI: 3.36-21.77) and Brazil (95% CI: 2.33-8.42). ITSA showed a significant drop in azithromycin usage in India (95% CI: -8.38 to -3.49 g/100 patients) and South Korea (95% CI: -2.83 to -1.89 g/100 patients) after WHO guidelines v1 release and increased meropenem usage (95% CI: 93.40-126.48 g/100 patients) and moxifloxacin (95% CI: 5.40-13.98 g/100 patients) in Bangladesh and sulfamethoxazole/trimethoprim in India (95% CI: 0.92-9.32 g/100 patients) following the Delta variant emergence. Conclusions: This study reinforces the importance of developing antimicrobial stewardship in the clinical settings during inter-pandemic periods.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».