Importance

 Interventions based on behavioral science might reduce inappropriate antibiotic prescribing. 

Objective

 To assess effects of behavioral interventions and rates of inappropriate (not guideline-concordant) antibiotic prescribing during ambulatory visits for acute respiratory tract infections. 

Design, Setting, and Participants

 Cluster randomized clinical trial conducted among 47 primary care practices in Boston and Los Angeles. Participants were 248 enrolled clinicians randomized to receive 0, 1, 2, or 3 interventions for 18 months. All clinicians received education on antibiotic prescribing guidelines on enrollment. Interventions began between November 1, 2011, and October 1, 2012. Follow-up for the latest-starting sites ended on April 1, 2014. Adult patients with comorbidities and concomitant infections were excluded. 

Interventions

 Three behavioral interventions, implemented alone or in combination:suggested alternativespresented electronic order sets suggesting nonantibiotic treatments;accountable justificationprompted clinicians to enter free-text justifications for prescribing antibiotics into patients’ electronic health records;peer comparisonsent emails to clinicians that compared their antibiotic prescribing rates with those of “top performers” (those with the lowest inappropriate prescribing rates). 

Main Outcomes and Measures

 Antibiotic prescribing rates for visits with antibiotic-inappropriate diagnoses (nonspecific upper respiratory tract infections, acute bronchitis, and influenza) from 18 months preintervention to 18 months afterward, adjusting each intervention’s effects for co-occurring interventions and preintervention trends, with random effects for practices and clinicians. 

Results

 There were 14 753 visits (mean patient age, 47 years; 69% women) for antibiotic-inappropriate acute respiratory tract infections during the baseline period and 16 959 visits (mean patient age, 48 years; 67% women) during the intervention period. Mean antibiotic prescribing rates decreased from 24.1% at intervention start to 13.1% at intervention month 18 (absolute difference, −11.0%) for control practices; from 22.1% to 6.1% (absolute difference, −16.0%) for suggested alternatives (difference in differences, −5.0% [95% CI, −7.8% to 0.1%];P = .66 for differences in trajectories); from 23.2% to 5.2% (absolute difference, −18.1%) for accountable justification (difference in differences, −7.0% [95% CI, −9.1% to −2.9%];P < .001); and from 19.9% to 3.7% (absolute difference, −16.3%) for peer comparison (difference in differences, −5.2% [95% CI, −6.9% to −1.6%];P < .001). There were no statistically significant interactions (neither synergy nor interference) between interventions. 

Conclusions and Relevance

 Among primary care practices, the use of accountable justification and peer comparison as behavioral interventions resulted in lower rates of inappropriate antibiotic prescribing for acute respiratory tract infections. 

Trial Registration

 clinicaltrials.gov Identifier:NCT01454947

Harmonized data quality (DQ) assessment terms, methods, and reporting practices can establish a common understanding of the strengths and limitations of electronic health record (EHR) data for operational analytics, quality improvement, and research. Existing published DQ terms were harmonized to a comprehensive unified terminology with definitions and examples and organized into a conceptual framework to support a common approach to defining whether EHR data is 'fit' for specific uses.DQ publications, informatics and analytics experts, managers of established DQ programs, and operational manuals from several mature EHR-based research networks were reviewed to identify potential DQ terms and categories. Two face-to-face stakeholder meetings were used to vet an initial set of DQ terms and definitions that were grouped into an overall conceptual framework. Feedback received from data producers and users was used to construct a draft set of harmonized DQ terms and categories. Multiple rounds of iterative refinement resulted in a set of terms and organizing framework consisting of DQ categories, subcategories, terms, definitions, and examples. The harmonized terminology and logical framework's inclusiveness was evaluated against ten published DQ terminologies.Existing DQ terms were harmonized and organized into a framework by defining three DQ categories: (1) Conformance (2) Completeness and (3) Plausibility and two DQ assessment contexts: (1) Verification and (2) Validation. Conformance and Plausibility categories were further divided into subcategories. Each category and subcategory was defined with respect to whether the data may be verified with organizational data, or validated against an accepted gold standard, depending on proposed context and uses. The coverage of the harmonized DQ terminology was validated by successfully aligning to multiple published DQ terminologies.Existing DQ concepts, community input, and expert review informed the development of a distinct set of terms, organized into categories and subcategories. The resulting DQ terms successfully encompassed a wide range of disparate DQ terminologies. Operational definitions were developed to provide guidance for implementing DQ assessment procedures. The resulting structure is an inclusive DQ framework for standardizing DQ assessment and reporting. While our analysis focused on the DQ issues often found in EHR data, the new terminology may be applicable to a wide range of electronic health data such as administrative, research, and patient-reported data.A consistent, common DQ terminology, organized into a logical framework, is an initial step in enabling data owners and users, patients, and policy makers to evaluate and communicate data quality findings in a well-defined manner with a shared vocabulary. Future work will leverage the framework and terminology to develop reusable data quality assessment and reporting methods.

"Nudges" that influence decision making through subtle cognitive mechanisms have been shown to be highly effective in a wide range of applications, but there have been few experiments to improve clinical practice.To investigate the use of a behavioral "nudge" based on the principle of public commitment in encouraging the judicious use of antibiotics for acute respiratory infections (ARIs).Randomized clinical trial in 5 outpatient primary care clinics. A total of 954 adults had ARI visits during the study timeframe: 449 patients were treated by clinicians randomized to the posted commitment letter (335 in the baseline period, 114 in the intervention period); 505 patients were treated by clinicians randomized to standard practice control (384 baseline, 121 intervention).The intervention consisted of displaying poster-sized commitment letters in examination rooms for 12 weeks. These letters, featuring clinician photographs and signatures, stated their commitment to avoid inappropriate antibiotic prescribing for ARIs.Antibiotic prescribing rates for antibiotic-inappropriate ARI diagnoses in baseline and intervention periods, adjusted for patient age, sex, and insurance status.Baseline rates were 43.5% and 42.8% for control and poster, respectively. During the intervention period, inappropriate prescribing rates increased to 52.7% for controls but decreased to 33.7% in the posted commitment letter condition. Controlling for baseline prescribing rates, we found that the posted commitment letter resulted in a 19.7 absolute percentage reduction in inappropriate antibiotic prescribing rate relative to control (P = .02). There was no evidence of diagnostic coding shift, and rates of appropriate antibiotic prescriptions did not diminish over time.Displaying poster-sized commitment letters in examination rooms decreased inappropriate antibiotic prescribing for ARIs. The effect of this simple, low-cost intervention is comparable in magnitude to costlier, more intensive quality-improvement efforts.clinicaltrials.gov identifier: NCT01767064.

Clinicians make many patient care decisions each day. The cumulative cognitive demand of these decisions may erode clinicians’ abilities to resist making potentially inappropriate choices. Psychologists, who refer to the erosion of self-control after making repeated decisions as decision fatigue,1,2 have found evidence that it affects nonmedical professionals. For example, as court sessions wear on, judges are more likely to deny parole, the “easier” or “safer” option.3