在日本癌症中心实施的长期感染病会诊与抗菌药物管理项目效果:一项中断时间序列分析

Efficiency of a Long-term Infectious Diseases Consultation and Antimicrobial Stewardship Program at a Japanese Cancer Center: An Interrupted Time-Series Analysis

作者信息Naoya Itoh, Nana Akazawa-Kai, Makoto Yamaguchi, Takanori Kawabata
PMID39605975
发布时间2024-11-13
DOI10.1093/ofid/ofae678

实验完整度

中

单中心回顾性观察性研究,采用中断时间序列分析,包含干预前后两阶段,主要结局为碳青霉烯DOT,次要结局包括抗菌药物使用、耐药菌发生率、死亡率等,有明确统计方法。

主要模型

癌症中心住院患者 血液培养阳性患者

重点核对

干预时间:2018年4月1日至2024年1月31日,分两阶段 干预措施:工作日ID专家与AST反馈,特定抗菌药物(碳青霉烯、抗MRSA等)审计,2022年4月起碳青霉烯需事先授权 主要结局:CAR-DOT(每100患者日) 统计方法:Prais-Winsten估计的中断时间序列分析,P<0.05为显著 数据来源:ACC数据库、微生物实验室、药房处方、AST会议记录、病历

摘要

背景:癌症患者由于在癌症治疗期间感染频率高且使用广谱抗菌药物,特别容易发生耐药菌感染。因此,癌症患者是抗菌药物管理项目(ASP)的理想候选者;然而,尚无专门针对这些患者的既定ASP。在本研究中,我们使用一种独特的抗菌药物质量指标评估了为期46个月的ASP干预和感染病会诊的效果。方法:我们的单中心回顾性观察性研究于2018年4月1日至2024年1月31日进行,评估了两个阶段:干预前(感染控制团队进行抗菌药物通知)和干预后(实施ASP并建立感染病会诊服务)。结果:干预后,3种静脉用碳青霉烯类药物的治疗日数(DOT)显著下降,窄谱抗菌药物的DOT显著增加。住院时间显著缩短,医院获得性耐药微生物的发生率没有变化。与干预前相比,全因住院死亡率和菌血症患者的30天死亡率数值上有所降低,但差异不显著。在干预后期(2021年4月1日至2024年1月31日),抗菌药物合理使用率显著提高。结论:我们的干预与促进抗菌药物合理使用和缩短住院时间相关。这些发现有助于建立更安全的癌症治疗并改善患者预后。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
长期ASP和ID会诊能否改善日本癌症中心的抗菌药物使用并影响临床结局?
核心机制
通过ID会诊和AST反馈,促进碳青霉烯等广谱抗菌药物降阶梯,提高抗菌药物使用的合理性。
主要证据
碳青霉烯DOT显著下降(系数-1.51,P<0.001);窄谱抗菌药物DOT显著增加(系数3.22,P<0.001);住院时间显著缩短(系数-0.63,P=0.02);合理使用率在后期显著提高(P<0.001)。
研究意义
有助于建立更安全的癌症治疗方案并改善患者预后;强调ID专家在癌症中心的关键作用。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

建立干预体系

评估ASP和ID会诊对癌症中心抗菌药物使用的影响

在干预期间建立ID会诊服务并实施ASP,包括对阳性血培养结果的工作日及时反馈、对特定抗菌药物的每周三次审计(后期每日)、AST会议评估及反馈。

2

测量抗菌药物使用

比较干预前后抗菌药物使用量的变化

收集处方数据,计算CAR-DOT、其他抗菌药物DOT和AUD。

3

评估临床结局

评估干预对耐药菌、死亡率和住院时间等临床结局的影响

从医院数据库获取耐药菌发生、CDI、念珠菌血症、死亡率、住院时间等数据,并进行统计分析。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
R软件R Foundation for Statistical Computingversion

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
研究设计与时间
研究周期、干预时间点、干预内容
阅读提示:Methods 中 Study Design and Setting 和 Interventions 部分
干预措施
审计频率、药物列表、反馈机制、授权要求
阅读提示:Methods 中 Antimicrobial Stewardship Program 和 ID Consultation Service 部分
结局测量
CAR-DOT定义、其他抗菌药物DOT、AUD计算、临床结局指标
阅读提示:Methods 中 Outcome Measures 部分
数据分析
统计模型、自相关处理、显著性水平
阅读提示:Methods 中 Statistical Analyses 部分