條文本
PDF
摘要
客觀的目的:研究挪威各城市3歲以下兒童抗菌藥物配藥率的地區教育與當地增長軌跡之間的關係。
設計采用挪威處方數據庫2006-2016年期間的個人初級保健處方數據進行回顧性、縱向研究。收集的數據包括配藥日期、抗生素的類型和數量、患者的年齡、性別和居住城市，並與挪威統計局提供的市級教育統計數據相聯係。我們使用多級增長曲線建模，線性趨勢變量建模為隨機效應和線性趨勢與城市中接受大學或高等教育的人口比例之間的跨層次交互作用。
設置挪威的地方政府。樣本包括研究期間的所有城市。
結果測量按市鎮和年份按個人初級保健每100名兒童分發的抗菌處方數。
結果我們發現，在此期間，3歲以下兒童配藥率的平方根呈顯著負線性趨勢。這種趨勢在不同的城市有所不同。人口受教育程度和隨機趨勢之間的負交叉水平交互項顯示，人口平均受教育水平的城市每100名兒童的處方配藥率下降了- 0.053 (95% CI - 0.066 - 0.039)。人口教育每增加一個百分點，分配率平方根值就會進一步降低0.0034 (95% CI−0.006 -0.001)。
結論當地人口中教育程度較高的城市在降低3歲以下兒童的抗菌藥物配藥率方麵較為成功。采用地區層麵的策略和解決當地社區的劣勢可能有助於優化實踐和製定當地社區的模式。
- 衛生政策
- 社區兒童健康
- 初級護理
數據可用性聲明
如有合理要求，可提供資料。數據可能會從第三方獲得，並且不是公開的。有關抗菌藥物配藥的數據可以通過向第三方(挪威處方注冊局)申請獲得，而且不能公開獲取。旅行時間數據可根據要求從通信作者處獲取。從挪威統計局收集的數據根據知識共享署名4.0國際協議(https://www.ssb.no/en/diverse/lisens)，並可根據要求從通信作者處獲得。
這是一篇根據創作共用署名非商業性(CC BY-NC 4.0)許可發布的開放獲取文章，該許可允許其他人以非商業的方式發布、重新製作、改編、構建本作品，並以不同的條款授權他們的衍生作品，前提是正確引用了原始作品，給出了適當的榮譽，表明了所做的任何更改，並且使用是非商業性的。看到的:http://creativecommons.org/licenses/by-nc/4.0/．
來自Altmetric.com的統計
本研究的優勢與局限性
完整的抗菌藥物配藥數據可以在較高的空間分辨率上估計當地社區配藥率趨勢及其與教育的關係。
通過包括所有挪威市政當局，我們探索了在國家減排政策指導方針下各地配藥率差異的總體程度。
聚合數據不能直接推斷個體層麵的決策和需求。
我們無法控製受調查年齡組中傳染病的地理負擔。
簡介
抗生素使用的周期性流行率和模式因國家而異1在國家內部的社會經濟和人口群體中，2 - 6研究還表明，全身使用的抗菌藥的分配也存在時間上的變化。7 8挪威的一項研究發現，2005年至2016年期間，0-2歲兒童的處方數量總體上減少了，但患病率在各縣之間有所不同。9另一項研究發現，在挪威0-2歲和1歲的兒童中，2008年至2016年期間抗菌藥物配藥率始終最高。
一些研究將抗菌藥物使用的差異歸因於社會經濟特征，3 - 5 10 - 12通常包括一個指數化的地區一級剝奪衡量，以捕捉剝奪的幾個方麵(如教育、收入、住房障礙、犯罪、就業)。擁擠、衛生、營養不良導致的宿主抵抗力較低、壓力和吸煙流行在社會經濟地位較低的人群中造成了更大的傳染病風險，但全科醫生的治療做法及其與家庭對要求某些治療的態度的互動可能影響處方的分配，2 13導致總體統計數據的地理和時間變化。教育與抗菌藥物的認識和正確使用有關14 - 16通過個人獲取、處理和理解健康信息的能力，17 18文化因素，比如個人與集體的價值體係，以及麵向未來的行為，也在多個層麵與處方模式相關。19
在挪威，對抗生素配藥變化的研究並沒有根據社會經濟成分明確模擬當地配藥率增長軌跡的變化。本研究的目的是利用縱向數據和多水平生長曲線模型，調查城市人口教育水平與抗菌藥物配藥率增長軌跡之間的關係。
材料和方法
挪威處方登記處(NorPD)包含所有在挪威藥房兌換的有效唯一個人識別碼的處方;有關NorPD的詳情已在其他地方公布。20.考慮2006 - 2016年，共納入處方734 359張。如果同一個體在同一日期接受了兩張或兩張以上的同一抗菌藥物處方，我們將處方彙總，排除年齡超過1095天(3年)和觀察期間死亡的記錄。我們使用了NorPD的以下數據:性別;出生年份和月份;獨特的個人標識符;市住宅;藥房開出處方的日期和第五級解剖治療化學分類係統(ATC)代碼。由於我們的數據中隻有出生月份的信息，所以我們將出生月份的15日設定為一個虛構的出生日期，並將分發日期減去這個日期來計算年齡。
NorPD的數據是匿名的，允許對研究人員匿名的個體進行縱向觀察。在市政一級彙總個人數據，並以市政內每年每100名兒童的處方數量來計算配藥率。我們使用唯一的市政標識號碼係統將聚合的處方數據與挪威所有市政當局的公開可用數據聯係起來。分析僅限於ATC J01:全身使用的抗菌藥物。21這些數據涵蓋了整個挪威地方行政一級的情況。圖1給出了按年計算的局部配藥率的盒須圖。在線補充附錄圖A1提出了一個趨勢和攔截符合點膠率指標的樣本。
按年分配率的盒須圖。虛線是整個時期的大平均配藥率。從這個數字中得出的主要結論是，在特定的一年裏，不同城市之間的顯著差異。零模型的類內相關係數表明，62.8%的總方差是在城市之間．
曝光和協變量
我們的調查對象是一個直轄市中接受過高等教育(3年或3年以上的大學水平)的人口比例。22我們選擇高等教育作為我們的教育指標有兩個原因。首先，文獻表明，接受過高等教育的人更容易掌握正確使用抗生素的知識，14 - 16第二，挪威的教育製度保證了所有年輕人在法律上享有受教育的權利，直至並包括高中教育，但沒有接受高等教育的權利。因此，與結構化的學校教育相比，中學以上的繼續教育是一種積極的選擇，因此我們可以預期當地人口的多樣性。
我們納入了一個協變量，用於描述一個城市中家庭收入低於全國中位數60%的人口比例，23這是歐盟對低收入的標準定義。剝奪和分配率之間的關係3 - 5這表明貧困可能會混淆分發率和人口教育之間的關係，包括這一協變量有助於部分排除可歸因於教育而非物質剝奪的影響。
市政當局的人口規模可能與區域教育匱乏程度和區域發展有關，因此可能影響獲得保健服務的機會。之前的一項研究發現了挪威城市人口規模和分發率之間的聯係，6因此，市政當局的規模可能會混淆教育和分配率之間的聯係。挪威各市的人口從少於400到超過60萬不等，為了最好地捕捉這種差異，我們計算了從官方統計數據中收集的人口規模的自然對數24作為市政規模的指標。
最後，我們使用穀歌Maps計算了前往最近藥店的中位數旅行時間，以確定挪威所有地址與其最近的三個直線藥店之間的旅行時間，為每個地址選擇最短的乘車旅行時間，然後彙總到市政級別。之前的一項挪威研究25在挪威發現了配藥率和前往藥店的時間之間的聯係。如果教育水平是由地理位置決定的，那麼它們也可能與藥房獲取相關，因此，從教育係數中部分剔除藥房獲取容易性的影響是很重要的。
統計分析
多水平生長曲線模型是多水平模型的一種特殊情況，在多水平模型中，單位之間的時間係數是變化的。26分配速率的每個單元的變化被建模為一個固定的生長軌跡加上一個隨機誤差項，這意味著生長參數可以被背景特征建模。27將此應用到我們的數據中，城市被反複觀察，因此，第1級構成模型的縱向部分，第2級捕獲城市之間的差異。
我們將所有一級協變量(除了時間)集中在它們的集群平均值上——即集中在集群內——以實現一級和二級變量之間的正交。281級的協變量是貧困、教育和城市人口規模的年度測量，這反映了城市逐年的變化。同樣的協變量作為聚類平均值聚集在第2級。這些協變量反映了研究期間各市之間的差異。所有二級協變量都相反地以它們的大均值為中心。這種中心化方案允許更容易地解釋交互項中的主效應，其中估計的趨勢係數被解釋為人口平均教育水平的城市的預期平均分發率趨勢。時間(L1)不是中心，因為我們感興趣的是這一時期的平均趨勢(見Biesanz)等29以討論生長曲線模型的中心時間)。
多水平生長曲線模型假設時變協變量不具有係統生長過程的特征，在多水平生長曲線模型中包含同時生長過程可能導致錯誤描述和偏置效應。30.城市內部的教育水平差異與時間高度相關(
)，為同時增長和趨勢係數偏倚提供了證據。因此，我們刪除了時變教育預測器，因為我們的目標是估計時不變教育預測器和趨勢之間的跨層次交互效應。我們進一步詳細說明了這個選擇在線補充附錄並論證了同時增長對趨勢估計的影響在線補充表A1．
我們對分配率度量進行了平方根變換，以改善模型擬合，但平方根尺度上的係數缺乏原始尺度上係數的清晰可解釋性。因此，我們使用平方根模型來進行預測和評估統計顯著性，但使用原始量表來提供預測的配藥率來幫助解釋。未變換和平方根變換的點膠率分布在在線補充附錄圖A2和A3,分別。
利用赤池信息準則、貝葉斯信息準則和殘差診斷圖評估模型的擬合。剩餘診斷圖在在線補充附錄圖A4-A7．所有模型均使用R包進行估計nlme，結合複合對稱誤差協方差結構來處理群內自相關。模型方程和參數描述可在在線補充附錄．
患者和公眾參與
沒有患者參與。
結果
模型結果如表1,圖2及3都是基於模型的估計。模型的未轉換版本在在線補充表A2．表2顯示數據庫中抗菌藥物類型的彙總統計數據，以及按年份和亞組彙總的確定的每日分發劑量總數。表3摘要統計信息。在線補充表A3具體包括組件內部和組件之間的詳細摘要統計信息。
預測趨勢與教育之間的跨層次互動效應。y軸顯示原刻度上的點膠速率。中線代表集群的平均教育水平，而外線則代表從平均教育水平±2個標準差的預測趨勢。由於教育的主效應不顯著(當T=0時的效應)，預測從類似的截距中散開）.
人口教育預測的坡度。這些點是每個城市配藥率趨勢的預測平方根。所有426種估計趨勢都在x軸上以教育為參照進行了展示和繪製。圖中顯示，減少分配率的領導者也傾向於擁有更高比例的受過高等教育的人，相反，低執行者傾向於擁有較低水平的高等教育。在解釋圖時請注意y軸的縮放．
從模型1開始表1，可以看出，人口平均教育水平下的分發率平方根的估計平均趨勢為−0.053 (SD=0.0927, p<0.001)。聚類平均教育程度每增加1個百分點，平方根點膠率的趨勢係數就會降低−0.0034 (p=0.0051)，其他條件不變．因此，在人口中接受高等教育的比例較大的城市，分發率下降更大。
圖2提出基於聚類平均教育程度的配藥率的預測軌跡。一個重要的觀察結果是，在數據範圍內，趨勢平均為負。即使是人口受教育程度最低的城市(11%)也顯示出配藥率的下降。由於教育的“主要”影響(當
， p=0.892)。該數字顯示，人口受教育程度較低的城市預計每100名兒童約減少兩張處方，而人口受教育程度較高的城市預計在此期間每100名兒童約減少10張處方。在圖3，在調整了與教育的互動後，可以看到幾個城市有一個積極的預測趨勢。然而，在跨層次交互模型中，大多數城市呈現出預測的負趨勢，並且負趨勢的大小隨城市人口教育程度的變化而變化。
討論
雖然挪威全國的抗菌藥物配藥率有所下降，31目前的研究表明，對於3歲以下患者，挪威各城市的趨勢有所不同，接受高等教育人口較多的城市的配藥率下降較大。已經做出了一些努力來降低抗菌藥物的配藥率，特別是通過更新國家抗菌藥物使用指南32通過幹預運動。33如果有人認為高教育水平是一種社會經濟優勢，那麼研究結果表明，擁有社會經濟優勢人口的城市在降低分發率方麵更成功。
我們的研究結果支持了有關相對社會經濟剝奪與抗菌藥物配藥率之間關係的現有文獻。父母教育程度低與兒科患者開藥率高有關，2 5 13 34我們希望同樣的個體機製能夠轉化為總體統計數據。如果一個社區缺乏高等教育被認為是一種區域剝奪的形式，那麼這些結果與其他有關地區一級剝奪指數(指數中包括教育)和分配率之間關聯的數據是一致的。3 4 11
我們選擇高等教育作為我們的教育指標，因為接受過高等教育的人更容易正確使用抗生素，14 - 16我們的發現與這些預期是一致的。此外，挪威的教育製度確保所有年輕人都有接受高等教育的法律權利，但沒有接受高等教育的權利。因此，與結構化的學校教育相比，中學以上的繼續教育是一種積極的選擇，在這種選擇中，我們預計當地人口會多樣化。
健康素養也與高等教育有關，17 18但教育並不能準確地代表個人健康素養。35然而，過度使用抗菌藥物和為減少消費而實施的政策不僅是個人健康問題，也是公共健康問題。成功地製定旨在降低抗菌藥物配藥率的公共衛生政策，可能在一定程度上取決於個人和群體獲得、處理、理解、評估和就作出有利於個人和社區的決策所需的信息采取行動的能力，36讓集體主義和長期價值觀壓倒個人主義的短期決策。教育有可能使人們認識到個人和家庭是融入社會的，這樣，個人對抗菌治療的決定就更有可能在更大的公共衛生問題框架內作出。
挪威的醫療保健係統提供了普遍的醫療保健服務，隨著時間的推移，醫療保健利用方麵的衛生不平等現象已經減少。37在醫療保健使用中，需要調整的社會經濟分化主要在私人醫療專家和醫院門診服務的使用中被觀察到。38然而，這些觀察並不一定包括挪威醫療保健使用的所有差異，如潛在的地理差異，而且重要的是，這些研究不包括父母尋求醫療保健。如果父母尋求醫療保健轉化為兒科尋求醫療保健，那麼假設醫療保健使用可能不是由社會決定的數量，而是由實物決定的。來自優越社會經濟背景的人可能更有效地互動和使用衛生保健投入，從而以更少的衛生保健服務實現相同數量的衛生投資。他們還可能考慮到更頻繁地使用抗菌藥物的潛在後果，導致配藥率下降。5
重要的是，兒童本身並不是這個框架中的行動者。關於治療的決定是由醫生和父母作出的，這表明，向兒童提供的醫療保健取決於父母的社會經濟地位、他們為孩子尋求醫療保健的方式，以及醫生的處方習慣和對不同個人和社會群體的反應。幾項研究已經確定，幼兒大量使用抗菌藥物與日後患慢性疾病的風險增加之間存在關聯，31日39-43因此，優化處方對減少未來幾代人的健康不平等似乎很重要。
區域層麵的戰略，而不是國家層麵的戰略，對抗菌素管理已建議在其他國家10；考慮到挪威當地和地區的分發率和減少趨勢的差異，我們同意之前作者的觀點19有效的抗菌素管理要求從多層次的係統角度處理這一問題，在地方行政層麵執行政策時也要考慮社會、結構和文化決定因素。挪威衛生政策的總體責任由國家衛生部承擔，挪威對抗菌素耐藥性的管理依賴於現有的疾病預防和控製行政結構，這些結構具有部門性的操作責任和薄弱的協調機製。44國家政治戰略確實以市級的初級保健服務為目標，但對抗菌治療的需求和潛在驅動因素可能因市而異。我們認為，國家降低抗菌藥物配藥率政策的有效性在一定程度上取決於當地人口的社會經濟組成。
優勢、限製和方法考慮
與幾位應用了包含多種剝奪指標的指數化剝奪措施的作者不同，我們特別關注教育，因為它是剝奪指標的一個共同組成部分，它呈現了對剝奪整體概念的解釋和捕捉之間的權衡。因此，不清楚這種剝奪指數的哪些特征驅動分配率的經驗變化，並且由於這些指數中的維度數量，將理論機製從個體水平轉化為總體統計數據變得更加具有挑戰性。收入和職業剝奪的影響已被分別研究過，4但沒有使用教育指標進行這樣的分析。教育是健康決定因素的一個關鍵的社會經濟特征，通過專門調查教育，我們的結果更容易解釋，也更清楚地與文獻中討論的具體機製相關。
本研究的一個優點是配藥率指標的完整性。《處方手冊》載有在檢查期間開出的所有處方，醫院使用除外。我們認為這有兩個好處。首先，我們希望教育在初級衛生保健方麵發揮更大的作用，因為父母積極參與衛生保健決策;其次，在挪威，初級衛生保健服務由市級管理。因此，觀察到的趨勢可能是當地社區需要和行為以及當地決策過程的結果。
這項研究的一個局限性是缺乏關於疾病地域負擔的信息，盡管配藥率的區域差異不太可能用感染的嚴重程度和密度的差異來解釋，而更可能與醫療實踐的差異有關。9威爾士的一項研究也同樣發現，沒有證據支持地區差異的處方可以用成年人的慢性疾病來解釋。3.事實上，如果整個差異可以用感染負擔來解釋，這意味著需要抗菌治療的感染在地理上分布不均，甚至在兒科患者之間。
另一個限製是根據總體統計數據可以對個別結果作出的推斷有限。需要進一步的研究來總結挪威父母教育、個人與醫療保健服務的互動和兒科抗菌藥物配藥率之間的聯係。
結論
我們的分析表明，隨著時間的推移，在城市層麵上降低配藥率的能力與高等教育的平均人口水平有關。在抗菌藥物管理中，應考慮當地需求和健康結果的潛在根源，以優化處方模式，並應關注可能影響健康行為、偏好和使用的社會人口統計數據，這可能有助於根據政治目標進一步降低配藥率。
數據可用性聲明
如有合理要求，可提供資料。數據可能會從第三方獲得，並且不是公開的。有關抗菌藥物配藥的數據可以通過向第三方(挪威處方注冊局)申請獲得，而且不能公開獲取。旅行時間數據可根據要求從通信作者處獲取。從挪威統計局收集的數據根據知識共享署名4.0國際協議(https://www.ssb.no/en/diverse/lisens)，並可根據要求從通信作者處獲得。
倫理語句
發表患者同意書
倫理批準
該研究涉及人類參與者，但挪威醫學和健康研究倫理區域委員會(2018/1021)豁免了該研究。根據《挪威健康研究法》豁免知情同意。處方的數據是回顧性的，並通過國家登記處定期收集(這使得知情同意變得困難)，該項目被認為對公眾有價值。單個處方信息僅用於計算市政部門的配藥率和數量。與患者個人有關的唯一信息是他們居住的城市。
參考文獻
補充材料
-
補充數據
這個網頁唯一的文件已由BMJ出版集團從一個電子文件提供的作者(s)，並沒有被編輯的內容。
腳注
貢獻者SS概念化、設計並起草稿件;準備數據;並進行統計分析。KS貢獻數據。LS提供了倫理認可和處方注冊數據。SS、KS、AEE、LS對稿件進行了嚴格的修改。黨衛軍充當擔保人。所有作者閱讀並批準最終稿。
資金作者還沒有宣布任何公共、商業或非營利部門的資助機構為這項研究提供了特定的資助。
相互競爭的利益沒有宣布。
患者和公眾參與患者和/或公眾沒有參與本研究的設計、實施、報告或傳播計劃。
出處和同行評審不是委托;外部同行評議。
補充材料本內容由作者提供。它還沒有經過BMJ出版集團有限公司(BMJ)的審查，也可能沒有經過同行評審。討論的任何意見或建議僅為作者的意見，不被BMJ認可。BMJ否認所有責任和責任產生的任何依賴放置的內容。如果內容包含任何翻譯材料，BMJ不保證翻譯的準確性和可靠性(包括但不限於當地法規、臨床指南、術語、藥物名稱和藥物劑量)，並且不負責因翻譯和改編或其他原因引起的任何錯誤和/或遺漏。