Evaluation of the Risk Factors for Shedding <i>Salmonella</i> with or without Antimicrobial Resistance in Swine Using Multinomial Regression Method
Notice bibliographique
Résumé
A multinomial logistic regression method was used to investigate the risk factors for antimicrobial resistance (AMR) in Salmonella isolated from faecal samples collected on 80 Ontario swine farms in Canada. The samples were classified into three groups including Salmonella-negative samples (S-), Salmonella-positive samples without AMR (S+AMR-) and Salmonella-positive samples with AMR (S+AMR+). The samples collected directly from pigs had a greater chance to be positive for Salmonella with AMR compared to those samples collected from the pen floor. The odds of culturing Salmonella with or without AMR was higher if pelleted feed was used compared with mash or liquid feed (P < 0.001). The faecal samples collected on farrow-to-finish farms had a significant lower chance of testing positive for Salmonella with multidrug resistance than the samples from grow-finisher farms (P = 0.004). The chance of culturing Salmonella without AMR on farms with a continuous system was higher than on farms with an all-in/all-out system (P = 0.009). However, there was no significant association between the flow system and recovery of Salmonella with AMR. The larger farms were more likely to be in S+AMR+ group than in S- group (P < 0.001) whereas herd size did not appear as a risk factor for being in S+AMR- group compared with S- group. These findings indicate that although on-farm antimicrobial use is one component of resistance, there might be other farm management factors that also affect the development of emerging resistant bacterial foodborne pathogens on swine farms. Finding different risk factors for shedding Salmonella with or without antimicrobial resistance would help to take the appropriate approach to each group if a control programme were to be implemented or an intervention applied.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».