MétaCan
Menu
Retour à la cohorte
Enregistrement W2767841410 · doi:10.1016/s2542-5196(17)30141-9

Restricting the use of antibiotics in food-producing animals and its associations with antibiotic resistance in food-producing animals and human beings: a systematic review and meta-analysis

2017· review· en· W2767841410 sur OpenAlexafffund
Karen Tang, Niamh Caffrey, Diego B. Nóbrega, Susan C. Cork, Paul E. Ronksley, Herman W. Barkema, Alicia J. Polachek, Heather Ganshorn, Nishan Sharma, James D. Kellner, William A. Ghali

Notice bibliographique

RevueThe Lancet Planetary Health · 2017
Typereview
Langueen
DomaineEnvironmental Science
ThématiquePharmaceutical and Antibiotic Environmental Impacts
Établissements canadiensAlberta Children's HospitalUniversity of Calgary
Organismes subventionnairesPublic Health AgencyPublic Health Agency of CanadaCanadian Institutes of Health ResearchAlberta InnovatesSunnybrook Research Institute
Mots-clésAntibioticsAntibiotic resistanceMeta-analysisMedicineVeterinary medicineEnvironmental healthBiologyInternal medicineMicrobiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Antibiotic use in human medicine, veterinary medicine, and agriculture has been linked to the rise of antibiotic resistance globally. We did a systematic review and meta-analysis to summarise the effect that interventions to reduce antibiotic use in food-producing animals have on the presence of antibiotic-resistant bacteria in animals and in humans. METHODS: On July 14, 2016, we searched electronic databases (Agricola, AGRIS, BIOSIS Previews, CAB Abstracts, MEDLINE, Embase, Global Index Medicus, ProQuest Dissertations, Science Citation Index) and the grey literature. The search was updated on Jan 27, 2017. Inclusion criteria were original studies that reported on interventions to reduce antibiotic use in food-producing animals and compared presence of antibiotic-resistant bacteria between intervention and comparator groups in animals or in human beings. We extracted data from included studies and did meta-analyses using random effects models. The main outcome assessed was the risk difference in the proportion of antibiotic-resistant bacteria. FINDINGS: A total of 181 studies met inclusion criteria. Of these, 179 (99%) described antibiotic resistance outcomes in animals, and 81 (45%) of these studies were included in the meta-analysis. 21 studies described antibiotic resistance outcomes in humans, and 13 (62%) of these studies were included in the meta-analysis. The pooled absolute risk reduction of the prevalence of antibiotic resistance in animals with interventions that restricted antibiotic use commonly ranged between 10 and 15% (total range 0-39), depending on the antibiotic class, sample type, and bacteria under assessment. Similarly, in the human studies, the pooled prevalence of antibiotic resistance reported was 24% lower in the intervention groups compared with control groups, with a stronger association seen for humans with direct contact with food-producing animals. INTERPRETATION: Interventions that restrict antibiotic use in food-producing animals are associated with a reduction in the presence of antibiotic-resistant bacteria in these animals. A smaller body of evidence suggests a similar association in the studied human populations, particularly those with direct exposure to food-producing animals. The implications for the general human population are less clear, given the low number of studies. The overall findings have directly informed the development of WHO guidelines on the use of antibiotics in food-producing animals. FUNDING: World Health Organization.

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)0,019
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,045
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0200,049
Bibliométrie0,0090,009
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0030,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,349
Tête enseignante GPT0,399
Écart entre enseignants0,050 · 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'étudeMéta-analyse
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

Citations932
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Lancet Planetary HealthMême sujetPharmaceutical and Antibiotic Environmental ImpactsTravaux en français237 207