Modeling the Impact and Cost of a Culture-Dependent Molecular Test for Antimicrobial Resistance in Resource-Limited Settings
Notice bibliographique
Résumé
BACKGROUND: Limited diagnostic access in resource-limited settings contributes to poor health outcomes among bacterial sepsis patients and the spread of antimicrobial resistance (AMR). Molecular diagnostic profiling of AMR may enable faster targeting of antibiotic therapies, improving clinical outcomes, reducing AMR development, and saving costs. METHODS: We modeled the impact of a culture-dependent molecular test for pathogen identification and resistance testing among hospitalized bloodstream infection patients to guide effective and cost-efficient implementation of these tools. We evaluated patient mortality, antibiotic use, hospital-associated infections, hospital days, and costs under the standard of care (empiric therapy, blood culture, phenotypic susceptibility testing) compared with molecular diagnostics by varying culture and susceptibility testing coverage, culture turnaround time, and AMR prevalence. RESULTS: The greatest impact of the molecular test occurred with 100% diagnostic coverage, shorter culture turnaround time, and high AMR prevalence, reducing up to 6% of deaths (interquartile range [IQR], 0%-12.1%), 5% of hospital days (IQR, 0.1%-10.7%), and 21% of days on inappropriate antibiotic therapy (IQR, 18.2%-24.4%). The minimum cost per molecular test performed, offset by cost savings, ranged from $109 in India to $585 in South Africa across all modeled scenarios. CONCLUSIONS: In high AMR burden settings with blood culture infrastructure supporting fast turnaround times, a molecular test could improve health outcomes of bloodstream infection. Impact is limited by delayed turnaround times and the effectiveness of empiric therapy. Molecular diagnostics implemented at $100 or less can generate healthcare-system cost savings, supporting their adoption to improve health outcomes and reduce AMR while remaining cost-neutral.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».