Using oral and parenteral formulation of AWaRe antibiotics as a proxy estimate of primary healthcare and inpatient hospital sector use
Notice bibliographique
Résumé
Synopsis Background Benchmarking antibiotic use across different healthcare sectors is crucial to improve use and implement the UNGA 70% Access target. Many countries only have available aggregate sales data, which do not have sector-specific usage information. The objective of this study is to estimate the proportion of oral antibiotic use across different healthcare sectors. Materials/methods We used IQVIA MIDAS ® Quarterly Sales data and Global Point Prevalence Survey (Global-PPS) inpatient data from eight countries, including Belgium, Canada, China, Netherlands, Philippines, Saudi Arabia, Singapore, and United Kingdom, in 2019. Our analysis focused on Access and Watch antibiotics. In the main analysis, we assumed that all parenteral antibiotics were used exclusively in inpatient settings, an assumption we then relaxed through sensitivity analyses. The observed ratios of oral-to-parenteral antibiotics in the patient-level Global-PPS data were calculated, by dividing the volume of oral antibiotic use by that of parenteral antibiotic use, and then this calculated ratio was multiplied to the IQVIA MIDAS sales data to estimate oral antibiotic use outside of the inpatient sector. Results The ratios of oral-to-parenteral use among inpatients in the Global-PPS data ranged between 0.05 (95%Credible Interval [CrI]: 0.03-0.09) and 1.01 (95%CrI: 0.56-1.80) in the main analysis. We estimated that overall, less than 7% of national oral antibiotics were used by inpatients, assuming exclusive parenteral use in inpatient settings in the main analysis, and less than 9% when assuming 90% of parenteral use was non-inpatient in the sensitivity analyses. Conclusion Our results suggest that where patient-level data are unavailable, alternative sources, such as antibiotic import data including routes of administration, can reasonably estimate sector-specific national use.
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 | 0,007 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».