DOI: https://doi.org/10.1038/s41746-024-01400-5
PMID: https://pubmed.ncbi.nlm.nih.gov/39870860
تاريخ النشر: 2025-01-27
المؤلف: Shirley Shapiro Ben David وآخرون
الموضوع الرئيسي: استخدام المضادات الحيوية والمقاومة
نظرة عامة
تدرس هذه الدراسة فعالية “مجموعة الذكاء الاصطناعي لعلاج التهابات المسالك البولية” (UTIS)، وهي أداة دعم اتخاذ القرار المدفوعة بالذكاء الاصطناعي، في تحسين ممارسات وصف المضادات الحيوية لعلاج التهابات المسالك البولية (UTIs) داخل منظمة خارجية كبيرة. تستفيد الأداة من التعلم الآلي للتنبؤ بمقاومة المضادات الحيوية، مع دمج بيانات المرضى والإرشادات السريرية في مجموعة طلب مبسطة لإدارة التهابات المسالك البولية. أظهرت البيانات التي تم جمعها من 1 يونيو 2021 إلى 31 أغسطس 2022 أن UTIS تم استخدامها في 75,630 من 171,010 تشخيصات التهاب المسالك البولية المسجلة، محققة معدل قبول التوصيات بنسبة 66.0%.
تشير النتائج إلى انخفاض كبير في معدلات عدم تطابق المضادات الحيوية عندما تم الالتزام بتوصيات UTIS، حيث كانت نسبة عدم التطابق 8.9% مقارنة بـ 14.2% (p < 0.0001) بين الحالات التي تم فيها إجراء زراعة البول. ومن الجدير بالذكر أن معدل عدم التطابق انخفض بنسبة 47.5% في النساء فوق 18 عامًا وبنسبة 55.6% في النساء فوق 50 عامًا (p < 0.001). علاوة على ذلك، أفادت الدراسة بانخفاض بنسبة 80.5% في استخدام السيبروفلوكساسين (6.4% مقابل 32.9%، p < 0.0001)، مما يبرز إمكانية الذكاء الاصطناعي في تحسين دقة الوصفات، وتقليل عدم التطابق، والحد من استخدام المضادات الحيوية من فئة الكينولون في إدارة التهابات المسالك البولية.
الطرق
توضح قسم “الطرق” تصميم التجربة والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، حيث قاموا بتنفيذ تجارب محكومة لجمع البيانات حول المتغيرات المحددة. تم إجراء التحليلات الإحصائية باستخدام أدوات البرمجيات لضمان موثوقية وصدق النتائج، مع تحديد مستويات الدلالة عند p < 0.05. شملت عملية جمع البيانات طريقة أخذ عينات منهجية لضمان عينة تمثيلية من السكان قيد الدراسة. استخدم الباحثون أدوات قياس متنوعة، تم التحقق من صحتها قبل الاستخدام، لتقييم النتائج ذات الصلة. بالإضافة إلى ذلك، يتناول القسم النماذج الرياضية المحددة المطبقة لتحليل البيانات، بما في ذلك تحليل الانحدار واختبار الفرضيات، لاستخلاص استنتاجات ذات مغزى من النتائج.
النتائج
سجلت الدراسة ما مجموعه 171,010 تشخيصات التهاب المسالك البولية (UTI) في نظام الصحة العسكرية (MHS) من 1 يونيو 2021 إلى 31 أغسطس 2022. من بين هذه الحالات، تم استبعاد 58,517 حالة من نظام بدء علاج التهاب المسالك البولية (UTIS) بسبب عدم الامتثال للمعايير الأولية. في الحالات المتبقية البالغ عددها 112,493 حيث كان UTIS قابلاً للتطبيق، وصف الأطباء المضادات الحيوية في 75,630 حالة، مما أدى إلى معدل وصف قدره 67.2%.
تم العثور على معدل قبول توصيات UTIS لاختيار المضادات الحيوية بنسبة 66.0%، مما يدل على الاستقرار طوال فترة الدراسة. تفاوتت معدلات القبول الشهرية قليلاً، حيث كانت الأدنى 61% والأعلى 72%، بينما ظل التباين العام أقل من 0.1%. تم تقديم تفاصيل ديموغرافية وخصائص سريرية للمرضى الذين قبل أطباؤهم أو رفضوا توصيات UTIS في الجدول 1.
المناقشة
تسلط قسم المناقشة في الدراسة الضوء على فعالية أداة دعم اتخاذ القرار لعلاج التهابات المسالك البولية الذكية (UTIS) في تقليل معدلات عدم تطابق المضادات الحيوية في إدارة التهابات المسالك البولية (UTI). وجدت الدراسة أن 34% فقط من تشخيصات التهاب المسالك البولية كانت متبوعة بنتائج زراعة البول، مع تقديم 25.5% فقط من الحالات بيانات حساسية المضادات الحيوية ذات الصلة للتحليل. عندما التزم الأطباء بتوصيات UTIS، انخفض معدل عدم التطابق بشكل كبير بنسبة 37.4% بشكل عام، مع ملاحظات أكبر في النساء اللاتي تتراوح أعمارهن بين 50 عامًا وما فوق (55.6%) والنساء اللاتي تتراوح أعمارهن بين 18 عامًا وما فوق (47.5%). ومن الجدير بالذكر أن قبول توصيات UTIS أدى إلى انخفاض بنسبة 80.5% في وصفات السيبروفلوكساسين وزيادة بنسبة 169.2% في وصفات النيتروفورانتوين، مما يشير إلى تحول نحو استخدام المضادات الحيوية الأكثر ملاءمة.
أظهر تنفيذ UTIS، الذي يدمج التعلم الآلي مع الإرشادات السريرية، نهجًا ناجحًا لمعالجة تحدي اختيار العلاج بالمضادات الحيوية التجريبية لعلاج التهابات المسالك البولية. على الرغم من تحقيق معدل عدم تطابق بنسبة 9% حتى مع توصيات UTIS، تشير الدراسة إلى أنه يمكن تحقيق مزيد من التحسينات من خلال ضمان الحصول على زراعات بول شاملة وتحسين الخوارزمية لتأخذ في الاعتبار الحالات المعقدة. يؤكد المؤلفون على أهمية تحقيق التوازن بين التوصيات المدفوعة بالذكاء الاصطناعي والحكم السريري لتحسين رعاية المرضى مع تقليل خطر الاعتماد المفرط على التكنولوجيا. بشكل عام، تؤكد هذه الأبحاث على إمكانية أنظمة دعم اتخاذ القرار المعتمدة على الذكاء الاصطناعي في تعزيز إدارة المضادات الحيوية وتحسين النتائج السريرية في إدارة التهابات المسالك البولية.
DOI: https://doi.org/10.1038/s41746-024-01400-5
PMID: https://pubmed.ncbi.nlm.nih.gov/39870860
Publication Date: 2025-01-27
Author(s): Shirley Shapiro Ben David et al.
Primary Topic: Antibiotic Use and Resistance
Overview
This study investigates the effectiveness of the “UTI Smart-Set” (UTIS), an AI-driven decision-support tool, in improving antibiotic prescribing practices for urinary tract infections (UTIs) within a large outpatient organization. The tool leverages machine learning to predict antibiotic resistance, incorporating patient data and clinical guidelines into a streamlined order set for UTI management. Data collected from June 1, 2021, to August 31, 2022, revealed that UTIS was utilized in 75,630 of the 171,010 recorded UTI diagnoses, achieving a recommendation acceptance rate of 66.0%.
The findings indicate a significant reduction in antibiotic mismatch rates when UTIS recommendations were adhered to, with a mismatch rate of 8.9% compared to 14.2% (p < 0.0001) among cases with urine cultures. Notably, the mismatch rate decreased by 47.5% in women over 18 and by 55.6% in women over 50 (p < 0.001). Furthermore, the study reported an 80.5% reduction in ciprofloxacin usage (6.4% vs. 32.9%, p < 0.0001), underscoring the potential of AI to enhance prescribing accuracy, reduce mismatches, and limit the use of quinolone antibiotics in UTI management.
Methods
The “Methods” section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, implementing controlled experiments to gather data on the specified variables. Statistical analyses were conducted using software tools to ensure the reliability and validity of the results, with significance levels set at p < 0.05. Data collection involved a systematic sampling method to ensure a representative sample of the population under study. The researchers employed various measurement instruments, which were validated prior to use, to assess the outcomes of interest. Additionally, the section details the specific mathematical models applied to analyze the data, including regression analysis and hypothesis testing, to draw meaningful conclusions from the findings.
Results
The study recorded a total of 171,010 urinary tract infection (UTI) diagnoses in the Military Health System (MHS) from June 1, 2021, to August 31, 2022. Out of these, 58,517 cases were excluded from the UTI Treatment Initiation System (UTIS) due to non-compliance with preliminary criteria. In the remaining 112,493 cases where UTIS was applicable, physicians prescribed antibiotics in 75,630 instances, resulting in a prescription rate of 67.2%.
The acceptance rate of UTIS recommendations for antibiotic selection was found to be 66.0%, demonstrating stability throughout the study period. Monthly acceptance rates varied slightly, with a minimum of 61% and a maximum of 72%, while the overall variance remained below 0.1%. Detailed demographics and clinical characteristics of patients whose physicians accepted versus rejected the UTIS recommendations are presented in Table 1.
Discussion
The discussion section of the study highlights the effectiveness of the Urinary Tract Infection Smart (UTIS) decision support tool in reducing antibiotic mismatch rates in urinary tract infection (UTI) management. The study found that only 34% of UTI diagnoses were followed by urine culture results, with a mere 25.5% of cases providing relevant antibiotic sensitivity data for analysis. When physicians adhered to UTIS recommendations, the mismatch rate decreased significantly by 37.4% overall, with even greater reductions observed among women aged 50 and older (55.6%) and women aged 18 and above (47.5%). Notably, the acceptance of UTIS recommendations led to an 80.5% reduction in ciprofloxacin prescriptions and a 169.2% increase in nitrofurantoin prescriptions, indicating a shift towards more appropriate antibiotic use.
The implementation of UTIS, which integrates machine learning with clinical guidelines, demonstrated a successful approach to addressing the challenge of selecting empiric antibiotic therapy for UTIs. Despite achieving a 9% mismatch rate even with UTIS recommendations, the study suggests that further improvements could be made by ensuring comprehensive urine cultures are obtained and refining the algorithm to account for complex cases. The authors emphasize the importance of balancing AI-driven recommendations with clinical judgment to optimize patient care while minimizing the risk of over-reliance on technology. Overall, this research underscores the potential of AI-based decision support systems in enhancing antibiotic stewardship and improving clinical outcomes in UTI management.