Impact des maladies chroniques sur l'adhésion aux recommandations cliniques dans le traitement des infections urinaires
Bibliographic record
Abstract
Dans la littérature, il y a très peu de données présentant l'usage des antibiotiques en milieu communautaire, surtout au Québec. Il est pourtant important de faire le suivi de ces antibiotiques, comme ils constituent la majeure partie de la consommation d'antibiotiques au Canada. Ces suivis sont particulièrement importants chez les populations malades chroniques, car elles sont plus à risque de développer des complications lors de traitements avec des antibiotiques. Une étude a été menée pour aider à combler cette lacune. Cette étude comptait trois objectifs :décrire l'usage des antibiotiques pour traiter une infection urinaire chez les adultes couverts par le régime public d'assurance médicaments (RPAM); déterminer si ces ordonnances concordaient avec les guides cliniques de l'Institut national d'excellence en santé et en services sociaux (INESSS); déterminer si la présence de maladies chroniques chez un patient influençait les chances de recevoir une ordonnance non-concordante. Les données administratives du Système intégré de surveillance des maladies chroniques du Québec (SISMACQ) ont été utilisées. Nous avons réalisé une analyse descriptive des ordonnances et des séries chronologiques de l'adhésion aux guides cliniques pour les ans 2002 à 2016 ainsi que des modèles de régression pour la période de 2013 à 2016 afin de déterminer si la présence de maladies chroniques influence la probabilité de recevoir une ordonnance nonconcordante. Nous avons observé que les guides cliniques ont été bien respectés au niveau de l'agent antibiotique servi (94%). Cependant, les quantités servies laissaient place à l'amélioration, étant souvent plus élevées que ce que les guides cliniques recommandaient. En effet, les ordonnances concordantes n'atteignaient que 32% lorsque les quantités servies étaient prises en compte. De plus, nous avons vu une dégradation de l'adhésion aux guides lorsque la personne traitée était atteinte de maladies chroniques. Les personnes atteintes de quatre maladies chroniques ou plus étaient 12% plus susceptibles de recevoir une ordonnance nonconcordante aux guides cliniques que les personnes sans maladies chroniques. Cette étude démontre que la concordance avec les guides cliniques n'était pas optimale dans la période étudiée. Il faudra déterminer les raisons derrière cette pratique, surtout chez les patients malades chroniques qui reçoivent plus d'ordonnances non-concordantes que les personnes en santé.
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 | 0.019 | 0.053 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".