Knowledge, attitudes and perceptions of healthcare workers on antimicrobial stewardship and antibiotic use: a nationwide multi-center study in Bangladesh
Notice bibliographique
Résumé
Antimicrobial resistance (AMR) disproportionately affects low and middle income countries (LMICs) including Bangladesh, driven by poorly implemented infection prevention and control (IPC) and misuse of antimicrobials. Robust Antimicrobial Stewardship (AMS) programs mitigate this risk by optimizing prescribing to best-practice standards. This study aimed to assess healthcare workers’ (HCWs) knowledge, attitude and perception (KAP) toward AMS. An online questionnaire was shared via IPC Alliance BD to different health-related institutes and hospitals, inviting voluntary and anonymous participation of HCWs on KAP between January to March 2025. A total of 721 participants from 171 hospitals and institutes (78 public and 93 private), comprising 29% medical officers or equivalent, 29% nurses, 28% professors or equivalent and 14% administrative staff and other roles were enrolled. The average age was 36 years, and females accounted for 54% of respondents. Overall, 43% of respondents were familiar with the term AMS, reached through various sources. Only 11% received AMS training, and 18% had access to standard treatment guidelines. Despite 66% reporting availability of culture and sensitivity (C/S) testing, only 26% routinely recommended C/S and 15% shared an antibiogram. Empirical therapy predominated (> 94%), with a 60% preference for broad-spectrum agents. However, 67% believed rational use and proper IPC can reduce AMR. Knowledge, attitudes, and perceptions varied significantly by age, gender, and education (P < 0.05). Antimicrobial resistance in Bangladesh necessitates strengthened laboratory capacity, expanded public awareness, and improved healthcare worker’s KAP via structured training and continuous monitoring, with robust antimicrobial stewardship as the operational benchmark.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».