The relationship of prescriber training level to restricted antibiotic prescribing appropriateness at a tertiary academic hospital: a retrospective study
Notice bibliographique
Résumé
Abstract Objective: This study aimed to compare appropriateness of restricted antimicrobial prescriptions, as assessed by antimicrobial stewardship program (ASP) prospective audit and feedback (PAF), between those ordered by medical trainees versus staff. Secondary objectives were to determine whether certain timing factors and other independent variables impacted prescription appropriateness. Design: Single center, retrospective cohort study. Setting: The University of Alberta Hospital a 700-bed tertiary care hospital in Edmonton, Canada. Participants: Prescriptions of six health-authority restricted antibiotics subject to ASP PAF between 2018 and 2023. Cases were excluded if prescriber role or prescription dates or times were unavailable. Methods: Data from a local ASP quality improvement database was extracted. Multiple logistic regression analysis was completed with adjusted odds ratios (aOR) reported. Results: A total of 3,687 restricted antibiotic prescriptions subjected to PAF were included in this study, of which 1,163 (31.5%) were assessed as not appropriately prescribed. Prescriptions written by medical trainees did not have higher odds of appropriateness compared to staff (aOR 1.09 [95% CI 0.94–1.28], P = .25). Weekend prescriptions had a reduced odds of being appropriate (aOR 0.71 [0.60–0.84], P < .0001). Through the course of the Coronavirus Disease 2019 (COVID-19) pandemic, appropriateness improved from 56.2% (prepandemic), 71.5% (peri-pandemic) to 76.9% (postpandemic). Conclusions: No differences were noted in restricted antibiotic prescription appropriateness between medical trainees and staff. Weekend prescriptions were less likely to be appropriate. Improved appropriateness over time may be multifactorial, including implementation of ASP preceding the pandemic. Further studies examining timing factors associated with appropriateness 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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».