Assessment of antibiotic prescribing quality through repeated point prevalence surveys in a Malaysian teaching hospital
Notice bibliographique
Résumé
Introduction: Optimising antibiotic prescribing in hospitals through antimicrobial stewardship (AMS) initiatives is essential in addressing the global threat of antimicrobial resistance. Methods: Point prevalence surveys were performed in April 2019 and November 2022 utilizing the Hospital National Antimicrobial Prescribing Survey (NAPS) tool. The study aimed to evaluate the prevalence of antibiotic use among inpatients and monitor antibiotic prescribing quality in 2022 compared to 2019 in a Malaysian teaching hospital as part of AMS core elements. Results: The prevalence of antibiotic use remained relatively stable between 2019 and 2022 (44.1% vs. 42.3%), with no significant change observed. Prescription patterns, including the type of antimicrobials, treatment modalities, and prescriptions per patient, showed insignificant differences between the two surveys. Antibiotics from the World Health Organisation (WHO) Access group constituted up to 47% of prescriptions in 2022, while usage of antibiotics from Watch group decreased from 57% to 53%, albeit insignificantly. Notably, there was a non- significant increase in appropriate prescribing for surgical prophylaxis in 2022 (40% vs 16.7%, p=0.078), alongside a less prevalent in prolonged surgical prophylaxis (28% in 2022 vs. 50% in 2019). Despite static prevalence and prescribing patterns, compliance with guidelines (p<0.006) and appropriate prescribing (p<0.002) showed significant improvement. The likelihood of compliance and appropriate prescribing was approximately 1.8-fold higher in 2022 compared to 2019. However, an increase in prescription of unnecessary broad-spectrum antibiotics was observed (23.1% vs 48%, p=0.002). Multiple logistic regression revealed that inappropriate prescribing significantly occurred when antibiotic indication was poorly documented (adjusted OR 3.67;95% CI 1.28–10.53; p=0.016). Conclusion : While prescribing patterns remained relatively unchanged, our findings highlight notable improvement in antibiotic prescribing quality. However, challenges persist, including the increased use of unnecessary broad-spectrum antibiotics. Continued efforts in AMS are imperative to address these issues and further enhance prescribing 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 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».