MétaCan
Menu
Retour à la cohorte
Enregistrement W4411874428 · doi:10.1001/jamanetworkopen.2025.18261

Spillover From an Intervention on Antibiotic Prescribing for Family Physicians

2025· article· en· W4411874428 sur OpenAlexafffundabout
Kiran Saqib, Noah Ivers, Kevin A. Brown, Nick Daneman, Valerie Leung, Bradley J. Langford, Gary Garber, Jeremy Grimshaw, Michael Silverman, Monica Taljaard, Jamie Brehaut, Kednapa Thavorn, Meagan Lacroix, Lindsay Friedman, Jennifer Shuldiner, Tara Gomes, Sharon Gushue, Jerome A. Leis, Merrick Zwarenstein, Kevin L. Schwartz

Notice bibliographique

RevueJAMA Network Open · 2025
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAntibiotic Use and Resistance
Établissements canadiensWestern UniversityOttawa HospitalUniversity of OttawaInstitute for Clinical Evaluative SciencesSunnybrook HospitalWomen's College HospitalToronto East General HospitalUniversity of TorontoPublic Health Ontario
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineMedical prescriptionRandomized controlled trialAuditFamily medicinePoisson regressionAcademic detailingPopulationPsychological interventionIntervention (counseling)PediatricsPrimary careInternal medicineNursingEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Importance: Antibiotic audit and feedback is effective at reducing antibiotic prescribing in primary care. Objective: To evaluate the spillover of an audit-and-feedback intervention originally targeted at patients aged 65 years or older on a broader population of all age groups. Design, Setting, and Participants: This is a post hoc secondary analysis of a randomized clinical trial that was conducted among primary care physicians in Ontario, Canada. Physicians were randomized in a 4:1 allocation, with a peer comparison feedback letter sent in January 2022. Physicians in the control group received no letter. The randomized clinical trial was conducted from January 2021 to December 2022, and this analysis was performed from March to June 2024. Exposure: A mailed antibiotic prescribing feedback letter, with peer comparison. Main Outcomes and Measures: The primary outcome was the total number of antibiotic prescriptions by physicians at 12 months after the intervention for patients of all ages. This analysis was conducted utilizing a different administrative data source than the original trial; this source contained antibiotic prescription counts for all patient age groups. Data were analyzed with Poisson regression models, adjusted for baseline prescribing and stratified by patient age and sex. Results: Overall, 4964 of 5097 randomized physicians (97.4%) were included in this analysis. There were 3967 (74.5%) in the intervention group and 997 (25.5%) in the control group; 2766 physicians (55.7%) were male, and 2549 (51.3%) had been in practice for 25 years or more. The intervention group showed a reduction in antibiotic prescriptions at 12 months after intervention compared with the control group (adjusted rate ratio [aRR], 0.93; 95% CI, 0.93-0.94). Significant reductions were seen across all age and sex groups and for antibiotics typically used for respiratory infections. Additionally, the proportion of prescriptions exceeding 7 days decreased significantly in the intervention group (aRR, 0.82; 95% CI, 0.82-0.83). Conclusions and Relevance: In this post hoc secondary analysis of a randomized clinical trial of peer comparison antibiotic audit and feedback for physicians with data from patients aged 65 and older, the intervention group had a reduction in antibiotic prescriptions across all patient ages. These findings suggest that routinely collected administrative data can be effectively used for implementing and evaluating antibiotic audit and feedback, even when limited to older patients. Trial Registration: ClinicalTrials.gov Identifier: NCT04594200.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,528
Score d'incertitude au seuil0,525

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,295
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetAntibiotic Use and ResistanceTravaux en français237 207