Monitoring Antimicrobial Drug Usage in Animals: Methods and Applications
Notice bibliographique
Résumé
Monitoring antimicrobial drug usage in animals at the national and international levels is important for identification and tracking if and how often quantities are used. This information can be used for many purposes, including raising awareness, comparing use patterns across countries, identifying trends over time, integrating with antimicrobial resistance data, conducting risk assessment, and evaluating the effectiveness of measures to manage antimicrobial usage. The goal of this article is to describe how monitoring systems for antimicrobial drug usage in animals are set up and conducted, using examples from specific countries as well as international efforts. Several key figures and variables are used to describe and evaluate antimicrobial consumption in animals, including the amount in kilograms of active ingredient, standardized units (e.g., number of defined daily dose animals, DDDAs) and number of treatments (e.g., number of used daily doses, UDDA). Data can be collected from a variety of sources including pharmaceutical sales, pharmacy dispensing, veterinary prescriptions, and farm records. In many countries, data analysis and reporting at the national level provide statistics on overall quantities used in animals, in some cases by animal species. Antimicrobial consumption data should be contrasted to the respective animal population, for example, the weight of different categories of livestock and slaughtered animals. Several countries have established antimicrobial usage monitoring systems. Most report overall sales data, but some provide usage data to the levels of animal species and production type. At the international level, several organizations (e.g., European Union, World Organization for Animal Health, World Health Organization) have initiatives to support the development of antimicrobial consumption data collection and reporting. However, these initiatives are ongoing and so far lack harmonization, which will be the biggest challenge for the future.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».