Antimicrobial Usage Among Acutely Ill Hospitalized Children Aged 2‒23 Months in Sub-Saharan Africa and South Asia
Notice bibliographique
Résumé
Background: Understanding patterns of antimicrobial use is critical to supporting antibiotic stewardship and limiting antimicrobial resistance (AMR). We aimed to describe antimicrobial prescribing in acutely ill hospitalized children aged 2-23 months across a range of rural and urban hospital settings in Sub-Saharan Africa and South Asia. Methods: The Childhood Acute Illness & Nutrition (CHAIN) cohort collected data daily throughout hospitalization from children with acute illness aged 2-23 months admitted to 9 hospitals from November 2016 to January 2019. We determined proportions of children receiving antimicrobials, inpatient-days receiving antimicrobials, antimicrobial classes, World Health Organization (WHO) Access, Watch, and Reserve (AWaRe) classifications, and examined factors associated with Watch antimicrobial use. Results: Of 3101 admissions, 1422 (46%) received antimicrobials before hospitalization. A total of 2816 (91%) children received antimicrobials during 19 398/21 807 (93%) inpatient child-days. Two thousand four hundred seventy-seven (76%), 1092 (35%), and 12 (0.3%) children received Access, Watch, and Reserve antimicrobials, mostly within 48 hours of admission. Three hundred forty-one (11%) admissions received an antimicrobial without any indication. Prior admission, chronic illness, diagnoses of sepsis or meningitis, hypoglycemia, and duration of admission were associated with receiving Watch antimicrobials, while WHO danger signs, severe malnutrition, HIV, and receipt of prior antimicrobials were not, despite their known association with mortality and AMR. Conclusions: Antimicrobial use was similar across sites, with some overuse and notably limited escalation and de-escalation, likely due to guideline adherence. Guidelines need updating for the absence of relevant antimicrobial sensitivities, to include risk-based antimicrobial prescribing considering mortality risk and prior exposure to antimicrobials and the hospital environment. Hence, clinical trials of risk-differentiated care are needed.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».