MétaCan
Menu
Retour à la cohorte
Enregistrement W2807151339 · doi:10.1093/femsec/fiy101

Water and sanitation: an essential battlefront in the war on antimicrobial resistance

2018· article· en· W2807151339 sur OpenAlexaff
Helmut Bürgmann, Dominic Frigon, William H. Gaze, Célia M. Manaia, Amy Pruden, Andrew C. Singer, Barth F. Smets, Tong Zhang

Notice bibliographique

RevueFEMS Microbiology Ecology · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePharmaceutical and Antibiotic Environmental Impacts
Établissements canadiensMcGill University
Organismes subventionnairesNatural Environment Research CouncilSight Research UKU.S. Department of AgricultureNational Institute of Food and AgricultureNational Science Foundation
Mots-clésBiologySanitationAntimicrobialAntibiotic resistanceResistance (ecology)MicrobiologyAntibioticsEcologyEngineering

Résumé

récupéré en direct d'OpenAlex

Water and sanitation represent a key battlefront in combatting the spread of antimicrobial resistance (AMR). Basic water sanitation infrastructure is an essential first step towards protecting public health, thereby limiting the spread of pathogens and the need for antibiotics. AMR presents unique human health risks, meriting new risk assessment frameworks specifically adapted to water and sanitation-borne AMR. There are numerous exposure routes to AMR originating from human waste, each of which must be quantified for its relative risk to human health. Wastewater treatment plants play a vital role in centralized collection and treatment of human sewage, but there are numerous unresolved issues in terms of the microbial ecological processes occurring within them and the extent to which they attenuate or amplify AMR. Research is needed to advance understanding of the fate of resistant bacteria and antibiotic resistance genes in various waste management systems, depending on the local constraints and intended reuse applications. World Health Organization and national AMR action plans would benefit from a more holistic 'One Water' understanding. In this article we provide a framework for research, policy, practice and public engagement aimed at limiting the spread of AMR from water and sanitation in low-, medium- and high-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 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)0,009
score de la tête « metaresearch » (Gemma)0,006
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: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,019
Communication savante0,0130,016
Science ouverte0,0020,009
Intégrité de la recherche0,0130,014
Charge utile insuffisante (le modèle a refusé de juger)0,0140,004

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 Opus0,012
Tête enseignante GPT0,259
Écart entre enseignants0,246 · 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
GenreCommentaire

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

En bref

Citations187
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFEMS Microbiology EcologyMême sujetPharmaceutical and Antibiotic Environmental ImpactsTravaux en français237 207