Exploring variability in antibiograms: a cross-sectional study
Notice bibliographique
Résumé
Abstract Background Antibiograms are important tools for guiding empirical antimicrobial prescribing and monitoring antimicrobial resistance (AMR); however, there are challenges to their implementation and interpretation in practice. Variable formatting may be a contributing factor. This study explores variability in antibiogram data presentation to identify opportunities for improvement. Methods Antibiograms from hospitals in Ontario were evaluated by visual inspection for general formatting and style, organism-specific data presentation and stratification based on CLSI M39 guidelines (Fifth Edition, 2022) and relevant literature. Hospitals were categorized by type and descriptive analysis was performed. Results Forty-three antibiograms from 60 hospitals were included: 33.3% were large community; 26.7% were academic teaching; 20% were small community; 11.7% were medium community; and 8.5% were complex continuing care/rehabilitation facilities. All antibiograms reported at least 1 year of data, with 26.5% aggregating data from multiple facilities. Most either reported on organisms with at least 30 isolates (23.2%) or included a statement about interpretation of small numbers (69.8%). Only 27.9% included a statement about exclusion of duplicates, and 18.6% included guidance on how to use the antibiogram. Data were reported separately for Staphylococcus aureus, MRSA and MSSA in 39.5% of antibiograms. Almost half of antibiograms incorporated at least one method of stratification; specimen source was most common (39.5%); and 18.6% (n = 8) included a weighted-incidence syndromic combination antibiogram (WISCA). Conclusions There is significant variability in antibiogram data presentation across Ontario hospitals. Additional format standardization may help improve use for clinical decision-making and monitoring of AMR trends.
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 | 0,007 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 | 0,000 |
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 ».