Opis projektu
Nowy projekt polityki mającej na celu zmniejszenie oporności na antybiotyki
Antybiotyki to niebywale skuteczne narzędzie leczenia ludzi, ale ich nadmierne stosowanie sprzyja rozwojowi opornych szczepów bakterii. Według Światowej Organizacji Zdrowia oporność na antybiotyki jest głównym globalnym zagrożeniem odpowiedzialnym za 700 000 zgonów rocznie spowodowanych nieuleczalnymi infekcjami. Konieczne jest opracowanie nowych polityk dotyczących podaży i popytu na istniejące i nowe leki. Finansowany przez UE projekt ABRSEIST ma na celu wskazanie wykonalnych i skutecznych metod wpływu na popyt za pomocą odpowiednich polityk skierowanych do lekarzy i pacjentów, a także przeprowadzenie ich oceny. W projekcie wykorzystany zostanie szeroki zestaw programowych narzędzi ekonometrycznych do wykrywania mechanizmów łączących oporność na antybiotyki z ich spożyciem. Wnioski z projektu ABRSEIST, powstałe w oparciu o metody uczenia maszynowego i analizy ekonometryczne, dostarczą mocnych dowodów w zakresie skuteczności projektów interwencji i zwiększą naszą wiedzę na temat przepisywania i stosowania antybiotyków oraz oporności bakterii.
Cel
Antibiotics have contributed to a tremendous increase in human well-being, saving many millions of lives. However, antibiotics become obsolete the more they are used as selection pressure promotes the development of resistant bacteria. The World Health Organization has proclaimed antibiotic resistance as a major global threat to public health. Today, 700,000 deaths per year are due to untreatable infections. To win the battle against antibiotic resistance, new policies affecting the supply and demand of existing and new drugs must be designed. I propose new research to identify and evaluate feasible and effective demand-side policy interventions targeting the relevant decision makers: physicians and patients. ABRSEIST will make use of a broad econometric toolset to identify mechanisms linking antibiotic resistance and consumption exploiting a unique combination of physician-patient-level antibiotic resistance, treatment, and socio-economic data. Using machine learning methods adapted for causal inference, theory-driven structural econometric analysis, and randomization in the field it will provide rigorous evidence on effective intervention designs. This research will improve our understanding of how prescribing, resistance, and the effect of antibiotic use on resistance, are distributed in the general population which has important implications for the design of targeted interventions. It will then estimate a structural model of general practitioners’ acquisition and use of information under uncertainty about resistance in prescription choice, allowing counterfactual analysis of information-improving policies such as mandatory diagnostic testing. The large-scale and structural econometric analyses allow flexible identification of physician heterogeneity, which ABRSEIST will exploit to design and evaluate targeted, randomized information nudges in the field. The result will be improved rational use and a toolset applicable in contexts of antibiotic prescribing.
Dziedzina nauki
- social scienceseconomics and businesseconomicseconometrics
- medical and health scienceshealth sciencespublic health
- medical and health sciencesbasic medicinepharmacology and pharmacypharmaceutical drugsantibiotics
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
- medical and health sciencesbasic medicinepharmacology and pharmacydrug resistanceantibiotic resistance
Program(-y)
Temat(-y)
System finansowania
ERC-STG - Starting GrantInstytucja przyjmująca
10117 Berlin
Niemcy