The Changing Face of Water: A Dynamic Reflection of Antibiotic Resistance Across Landscapes
Notice bibliographique
Résumé
Little is known about the role of surface water in the propagation of antibiotic resistance (AR), or the relationship between AR and water quality declines. While healthcare and agricultural sectors are considered the main contributors to AR dissemination, few studies have been conducted in their absence. Using linear models and Bayesian kriging, we evaluate AR among Escherichia coli water isolates collected bimonthly from the Chobe River in Northern Botswana (n=2062, n=414 water samples; July 2011- May 2012) in relation to water quality dynamics (E. coli, fecal coliform, and total suspended solids), land use, season, and AR in wildlife and humans within this system. No commercial agricultural or large medical facilities exist within this region. Here, we identify widespread AR in surface water, with land use and season significant predicators of AR levels. Mean AR was significantly higher in the wet season than the dry season (p = 0.003), and highest in the urban landscape (2.15, SD = 0.098) than the protected landscape (1.39, SD = 0.051). In-water E. coli concentrations were significantly positively associated with mean AR in the wet season (p<0.001) but not in the dry season (p=0.110), with TSS negatively associated with mean AR across seasons (p=0.016 and p=0.029), identifying temporal and spatial relationships between water quality variables and AR. Importantly, when human, water, and wildlife isolates were examined, similar AR profiles were identified (p<0.001). Our results suggest that direct human inputs are sufficient for extensive dispersal of AR into the environment, with landscape features, season and water quality variables influencing AR dynamics. Focused and expensive efforts to minimize pollution from agricultural sources, while important, may only provide incremental benefits to the management of AR across complex landscapes. Controlling direct human AR inputs into the environment remains a critical and pressing challenge.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».