Global knowledge, attitudes, and practices towards antimicrobial resistance among healthcare workers: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: The rising prevalence of antimicrobial resistance (AMR) poses a critical global health challenge. Healthcare workers (HCWs) play a pivotal role in combating AMR by implementing effective preventive strategies and adhering to good practices. This study aimed to evaluate the global knowledge, attitudes, and practices (KAP) of HCWs towards AMR. METHODS: A comprehensive search of PubMed/MEDLINE, ScienceDirect, Scopus, Web of Science, Cochrane Library, and Google Scholar was conducted for English-language articles published up to August 2024. Inclusion criteria were observational studies reporting KAP data among HCWs related to AMR. Study quality was assessed using the Joanna Briggs Institute critical appraisal checklist. Statistical analyses, including heterogeneity (I² statistic, Cochran Q), were conducted using STATA version 14. Random-effects models were applied for pooled estimates, and subgroup analyses, meta-regression, and sensitivity analyses were performed. Publication bias was assessed via Egger's test and adjusted using the trim-and-fill method. Geographical distribution was analyzed with ArcGIS 10.3 software, and evidence certainty was evaluated using the GRADE framework. RESULTS: A meta-analysis of 108 studies involving 29,433 HCWs assessed their knowledge of AMR. Additionally, 51 studies with 13,660 HCWs evaluated attitudes, and 43 studies with 10,569 HCWs examined practices regarding AMR. The pooled proportion of HCWs with good knowledge of AMR was 56.5% (95% CI: 50.4-62.6%, I² = 99.5%), with the highest prevalence in Europe (70.3%) and the lowest in the Western Pacific (45.9%). Positive attitudes towards AMR were reported in 60.4% (95% CI: 48.5-72.3%, I² = 99.8%), with the highest prevalence in the Eastern Mediterranean Region (64.5%) and among those with less than five years of experience (77.8%). Good practices were observed in 48.5% (95% CI: 36.5-60.5%, I² = 99.7%), with the highest adherence in Europe (56.6%) and the lowest in Africa (39.1%). Subgroup analysis revealed that younger HCWs (under 30 years) showed better KAP scores across all domains. CONCLUSION: The findings underscore the need for targeted interventions to enhance the knowledge, attitudes, and practices of HCWs regarding AMR. Priority should be given to designing and implementing robust training programs tailored to the specific needs of HCWs in resource-constrained settings. Strengthening AMR-related education and practice among HCWs is crucial for combating the global AMR crisis effectively.
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 | 0,020 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,041 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».