Antimicrobial dispensing for common conditions in dogs and cats at a large veterinary practice network, 2023
Notice bibliographique
Résumé
Understanding antimicrobial use is a core component of antimicrobial stewardship. This study aimed to assess antimicrobial dispensing for common clinical conditions in dogs and cats presented to veterinary clinics belonging to a large clinic network in the USA. Antimicrobials were prescribed for 831,017 patient visits, to 702,576 (85 %) dogs and 128,441 (15 %) cats. Cefpodoxime (n = 203,145, 29 %), amoxicillin-clavulanate (154,779, 22 %) and metronidazole (150,830, 21 %) were the most commonly dispensed antimicrobials in dogs, while cefovecin (55,579, 43 %) and amoxicillin-clavulanate (44,857, 35 %) predominated in cats. In dogs, drugs classified by the WHO MIA List as highest priority critically important (HPCIA) accounted for 39 % of drugs dispensed, while those classified as highly important (HIA) accounted for 61 %. In cats, HPCIA drugs accounted for 46 % of drugs dispensed while HIA drugs accounted for 54 %. Consistency of drug selection with selected treatment guidelines was 76 % (30,562/40,375) for dogs and 57 % (12,810/22,644) for cats. There were regional differences in drug selection patterns for all of the 10 most common diseases, for both dogs and cats. While no single metric or data source provides a full understanding of antimicrobial use, these data provide the foundation for assessment of antimicrobial use practices and provide insight and baseline data for development of interventions to improve antimicrobial use practices.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».