新决策支持工具可以提供个性化的抗生素治疗建议

哈佛朝圣医疗机构研究人员领导的一项新研究开发了一种算法，可以大大减少在门诊环境中使用广谱抗生素的使用，迈向降低抗生素抗性的一步。调查结果将于11月4日在线发布于2020年科学翻译医学。

正如作者所讨论的那样，抗生素耐药性对医学做法是一种重大威胁，通过过度使用抗生素，大部分驱动。门诊设置是规定绝大多数抗生素的情况，但也是最少的工具可用于帮助公务员提供最佳治疗决策的地方。这导致提供者规定广谱抗生素响应于真实的，以及感知，抗生素感染率的增加。然而，使用涉及广泛细菌的广谱抗生素促进了一种恶性循环，其中过度使用进一步恶化了通过正反馈回路的抵抗问题。一个例子是尿路感染（UTI），这是在门诊患者之间使用抗生素的一种很常见的原因。尽管国家指导方针敦促使用窄谱处理作为第一线疗法，但最常见的处理是环丙沙星和左氧氟沙星，这是与宿主不良事件相关的广谱，第二线抗生素。

为外门公务员制定有效决策支持工具，已经支付了很少的关注。算法已被用于临床决策支持传染病自20世纪70年代以来，但由于难以将其融入繁忙的临床实践中，尚未被广泛采用。Sanjat Kanjilal，医学博士，公共卫生硕士，主要作者，哈佛朝圣者卫生保健研究所和哈佛医学院人口医学讲师，相信我们现在有更好的工具。Kanjilal博士说:“护理点的个性化决策支持可能是对常见感染综合征的抗生素处方管理的有效工具。”他的解决方案是使用机器学习模型来预测抗生素耐药性的可能性，然后将这些可能性转化为建议，帮助处方人员做出最佳的治疗决定。“我们的研究为UTIs开发了一种个性化的决策支持算法，作为耐药性时代抗生素处方挑战的解决方案。”

该研究使用来自超过13,000名女性的医疗记录的数据，并在2007年至2016年间在两个大型波士顿医院收到了关注的uti。坎吉拉尔博士培训了他们的机器学习模型，以预测抗生素抗性对四种常用治疗的可能性然后，开发了一种将这些概率转化为决定的新方法，可以指导规定避免Ciprofloxacin和Levofloxacin尽可能最大，但不会导致患者的任何过度损害。

该团队将该算法的性能与临床医生和国家指南进行了比较，发现它将使二线抗生素的处方减少67%。与此同时，它还减少了标本耐药抗生素的选择，减少了18%。

Kanjilal博士补充说:“将这些模型整合到门诊治疗中，可以在减少广谱治疗方面发挥重要作用抗生素。我们未来的工作将侧重于将这些临床决策支持工具集成到提供商工作流程中，并使用随机对照试验评估临床结果。“

---

---