Interventions to Minimize Unnecessary Antibiotic Use for Acute Otitis Media: A Meta-Analysis
Notice bibliographique
Résumé
Backgrounds/Objectives: Acute otitis media (AOM) is the leading reason antibiotics are prescribed to children. Despite guidelines advocating for watchful waiting and shorter antibiotic durations, overprescribing remains a concern. This meta-analysis aims to quantify potential reduction in antibiotic days of therapy (DOT) for AOM if prescribers adhered to guidelines. Methods: Cochrane databases were sourced for studies on ear infections, diagnostic accuracy, antibiotic duration, and watchful waiting. Randomized clinical trials, observational studies, and quality improvement reports of children aged 6 months–17 years with uncomplicated AOM published between 2000 and 2024 from the U.S., Canada, and Europe. Of 4187 studies, 425 met selection criteria. PRISMA guidelines were adhered to for independent extraction by multiple reviewers. Pooled prevalence of AOM outcomes and odds ratios (OR) for effectiveness interventions were calculated using the DerSimonian-Laird random effects model. A simulation study compared current practice to national guidelines. Results: Eighty-six studies found an estimated 107 million DOT prescribed to children in the U.S. annually for AOM. Following the American Academy of Pediatrics’ guidelines could reduce DOT by 57.9 million days (54%). Adherence to NICE guidelines could reduce DOT by 74.1 million days (70%). Watchful waiting and short-course antibiotic interventions had pooled Ors of 4.35 and 7.12, respectively, for decreasing DOT. Conclusions: Adherence to guidelines for AOM management could avert millions of antibiotic DOT. Watchful waiting and short-duration interventions are most impactful on antibiotic overprescribing.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,013 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».