Antimicrobial resistance and the environment: assessment of advances, gaps and recommendations for agriculture, aquaculture and pharmaceutical manufacturing
Notice bibliographique
Résumé
A roundtable discussion held at the fourth International Symposium on the Environmental Dimension of Antibiotic Resistance (EDAR4) considered key issues concerning the impact on the environment of antibiotic use in agriculture and aquaculture, and emissions from antibiotic manufacturing. The critical control points for reducing emissions of antibiotics from agriculture are antibiotic stewardship and the pre-treatment of manure and sludge to abate antibiotic-resistant bacteria. Antibiotics are sometimes added to fish and shellfish production sites via the feed, representing a direct route of contamination of the aquatic environment. Vaccination reduces the need for antibiotic use in high value (e.g. salmon) production systems. Consumer and regulatory pressure will over time contribute to reducing the emission of very high concentrations of antibiotics from manufacturing. Research priorities include the development of technologies, practices and incentives that will allow effective reduction in antibiotic use, together with evidence-based standards for antibiotic residues in effluents. All relevant stakeholders need to be aware of the threat of antimicrobial resistance and apply best practice in agriculture, aquaculture and pharmaceutical manufacturing in order to mitigate antibiotic resistance development. Research and policy development on antimicrobial resistance mitigation must be cognizant of the varied challenges facing high and low income countries.
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 | 0,026 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,011 | 0,016 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,012 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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.
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 ».