Prévalence et corrélations de l'utilisation d'antibiotiques par voie orale au Canada
Bibliographic record
Abstract
Contexte : L'utilisation des antimicrobiens (UAM) est un facteur connu de la résistance aux antimicrobiens.Un aperçu de la prévalence et des corrélations de l'UAM peut aider à cerner les iniquités en santé et les domaines d'intervention ciblés.Pour mieux comprendre les dimensions sociodémographiques et médicales de l'UAM au Canada, l'Agence de la santé publique du Canada, en partenariat avec Statistique Canada, a élaboré un questionnaire du module de réponse rapide sur l'utilisation d'antibiotiques par voie orale autodéclarés, à administrer dans le cadre de l'Enquête sur la santé dans les collectivités canadiennes (ESCC) de 2018.Objectif : Fournir des données sur la proportion de personnes au Canada qui déclarent l'utilisation d'antibiotiques et les facteurs sociodémographiques et de santé associés à la consommation.Méthodes : Cette étude transversale a utilisé les données de l'ESCC, une enquête nationale menée auprès de 24 176 personnes ayant un plan d'échantillonnage aléatoire stratifié à plusieurs degrés en grappes.En 2018, un module sur l'utilisation des antibiotiques a été administré aux participants à l'ESCC.Résultats : Parmi les répondants âgés de 18 ans et plus, 26 % ont déclaré avoir reçu au moins un antibiotique par voie orale au cours de la dernière année.Plusieurs facteurs sociodémographiques et de santé avaient une probabilité corrigée plus élevée de recevoir une ordonnance d'antibiotiques, y compris les personnes âgées de 18 ans comparativement aux personnes âges de 48 ans (moyenne), les femmes comparativement aux hommes, les immigrants comparativement aux non-immigrants (à l'exclusion des Autochtones), les fumeurs actuels et les anciens fumeurs comparativement aux personnes qui n'ont jamais fumé, et les personnes qui ont des comorbidités (asthme, maladie pulmonaire obstructive chronique, arthrite, maladie du cœur, cancer, troubles intestinaux et incontinence urinaire).Conclusion : Les variations de l'UAM au sein de différentes populations clés et de différents groupes sociodémographiques font ressortir la nécessité d'améliorer notre compréhension des différents facteurs de l'UAM et d'intervenir sur mesure pour réduire les risques inéquitables de la résistance aux antimicrobiens.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.006 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".