MétaCan
Menu
Retour à la cohorte
Enregistrement W2165853813 · doi:10.1093/cid/cit355

The Scourge of Antibiotic Resistance: The Important Role of the Environment

2013· review· en· W2165853813 sur OpenAlexaff
Rita Finley, Peter Collignon, D. G. Joakim Larsson, S. A. McEwen, Xuli Li, William H. Gaze, Richard J. Reid‐Smith, Mohammed Timinouni, David W. Graham, Edward Topp

Notice bibliographique

RevueClinical Infectious Diseases · 2013
Typereview
Langueen
DomaineEnvironmental Science
ThématiquePharmaceutical and Antibiotic Environmental Impacts
Établissements canadiensAgriculture and Agri-Food CanadaHealth CanadaUniversity of GuelphPublic Health Agency of Canada
Organismes subventionnairesnon disponible
Mots-clésResistomeAntibiotic resistanceAntibioticsBacteriaHuman pathogenMicrobiologyResistance (ecology)Microbial geneticsBiologyGeneMicroorganismBiotechnologyMedicineGeneticsEcologyIntegron

Résumé

récupéré en direct d'OpenAlex

Antibiotic resistance and associated genes are ubiquitous and ancient, with most genes that encode resistance in human pathogens having originated in bacteria from the natural environment (eg, β-lactamases and fluoroquinolones resistance genes, such as qnr). The rapid evolution and spread of "new" antibiotic resistance genes has been enhanced by modern human activity and its influence on the environmental resistome. This highlights the importance of including the role of the environmental vectors, such as bacterial genetic diversity within soil and water, in resistance risk management. We need to take more steps to decrease the spread of resistance genes in environmental bacteria into human pathogens, to decrease the spread of resistant bacteria to people and animals via foodstuffs, wastes and water, and to minimize the levels of antibiotics and antibiotic-resistant bacteria introduced into the environment. Reducing this risk must include improved management of waste containing antibiotic residues and antibiotic-resistant microorganisms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,360
Écart entre enseignants0,317 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations641
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Infectious DiseasesMême sujetPharmaceutical and Antibiotic Environmental ImpactsTravaux en français237 207