Antibiotic Resistance Increases with Local Temperature
Notice bibliographique
Résumé
Antibiotic resistance is considered as one of our greatest emerging public health threats. Current understanding of the factors governing spread of antibiotic-resistant organisms and mechanisms among populations is limited. We explored the roles of local temperature, population density, and additional factors on the distribution of antibiotic resistance across the United States, using a database of regional antibiotic resistance that incorporates over 1.6 million bacterial pathogens from human clinical isolates over the years 2013–2015. We identified that increasing local temperature as well as population density were associated with increasing antibiotic resistance in common pathogens. An increase in temperature of 10oC was associated with increases in antibiotic resistance of 4.2%, 2.2%, and 3.6% for the common pathogens Escherichia coli, Klebsiella pneumoniae, and Staphylococcus aureus. The effect of temperature on antibiotic resistance was robust across almost all classes of antibiotics and pathogens and strengthened over time. These findings suggest that current forecasts of the burden of antibiotic resistance could be significant underestimates in the face of a growing population and warming planet. Antibiotic resistance increases with increasing temperature. (A) A heatmap of mean normalized antibiotic resistance for E. coli for all antibiotics across the USA. (B) A heatmap of 30-year average minimum temperature (oC) across the USA. All authors: No reported disclosures.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».