Antibiotic‐prescribing patterns in outpatient departments from a tertiary care hospital in Manipur using WHO AWaRe classification
Notice bibliographique
Résumé
Background & objectives One of the major consequences of irrational drug use in treating infection is antibiotic resistance. World Health Organization (WHO) introduced the AWaRe (Access, Watch, Reserve) classification to promote the rational use of antibiotics. This study aims to assess the antibiotic-prescribing patterns in outpatient departments from a tertiary care hospital. Methods A cross-sectional study was conducted on the prescriptions collected from outpatient departments of a tertiary care hospital in Manipur from June to July 2024. Prescriptions containing at least one antibiotic were analysed. The prescribed antibiotics were classified using the WHO AWaRe 2023 tool. Data were analyzed using IBM SPSS V 26.0 and presented as descriptive statistics. Results Among the 1,339 prescriptions, 1,451 antibiotics were prescribed: 1,237 (85.2%) prescriptions included only one antibiotic, while 102 (14.8%) prescriptions contained two or more antibiotics. According to WHO AWaRe classifications, 38 per cent of the antibiotics were in the Access group, 37 per cent in the Watch group, one per cent in the Reserve group, and 24 per cent in the Not Recommended group. Only 26.3 per cent of the antibiotics were prescribed by their generic names, while 74 per cent were on the WHO essential medicines list. Interpretation & conclusions The antibiotic prescriptions from the Access group were below the WHO target of 60 per cent, and nearly a quarter involved non-recommended antibiotics.
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 | 0,002 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».