MétaCan
Menu
Retour à la cohorte
Enregistrement W2909466667 · doi:10.3168/jds.2018-15135

Antimicrobial resistance profiles of 5 common bovine mastitis pathogens in large Chinese dairy herds

2019· article· en· W2909466667 sur OpenAlexaff
Jia Cheng, Weijie Qu, Herman W. Barkema, Diego B. Nóbrega, Jian Gao, Gang Liu, Jeroen De Buck, John P. Kastelic, Hong Sun, Bo Han

Notice bibliographique

RevueJournal of Dairy Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMilk Quality and Mastitis in Dairy Cows
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésEnrofloxacinTetracyclineMastitisMicrobiologyPenicillinClindamycinAmoxicillinAntibiotic resistanceStaphylococcus aureusBiologyBroth microdilutionStreptococcus agalactiaeKlebsiellaMultiple drug resistanceAntimicrobialVeterinary medicineAntibioticsStreptococcusMedicineMinimum inhibitory concentrationBacteriaEscherichia coliCiprofloxacin

Résumé

récupéré en direct d'OpenAlex

The prevalence of antimicrobial resistance (AMR) is increasing in human and animal pathogens, becoming a concern worldwide. However, prevalence and characteristics of AMR of bovine mastitis pathogens in large Chinese dairy herds are still unclear. Therefore, our objective was to determine the AMR profile of bacteria isolated from clinical mastitis in large (>500 cows) Chinese dairy herds. A total of 541 isolates of the 5 most common species, Staphylococcus aureus (n = 103), non-aureus staphylococci (NAS; n = 107), Streptococcus species (n = 101), Klebsiella species (n = 130), and Escherichia coli (n = 100), isolated from bovine clinical mastitis on 45 dairy farms located in 10 provinces of China were included. Presence of AMR was determined by minimum inhibitory concentrations using the microdilution method. Prevalence of multidrug resistance (resistance to >2 antimicrobials) was 27% (148/541). A very wide distribution of minimum inhibitory concentrations was screened in all isolates, including Staph. aureus isolates, which were resistant to penicillin (66%). In addition, NAS (30%) were more resistant than Staph. aureus to oxacillin (84%), penicillin (62%), tetracycline (34%), and clindamycin (33%). Prevalence of resistance to tetracycline was high (59%) in Streptococcus spp. Additionally, prevalence of resistance of both E. coli and Klebsiella spp. was high to amoxicillin/clavulanate potassium (81 and 38%, respectively), followed by tetracycline (only Klebsiella spp. 32%). A high proportion (27%) of isolates were multidrug resistant; the most frequent combinations were clindamycin-cefalexin-tetracycline or enrofloxacin-cefalexin-penicillin patterns for Staph. aureus; enrofloxacin-oxacillin-penicillin-tetracycline patterns for NAS; clindamycin-enrofloxacin-tetracycline patterns for Streptococcus spp.; amoxicillin/clavulanate potassium-ceftiofur-polymyxin B patterns for Klebsiella spp.; and amoxicillin/clavulanate potassium-ceftiofur-polymyxin B patterns for E. coli. Resistance for 4 kinds of antimicrobials highly critical for human medicine, including daptomycin, vancomycin, imipenem, and polymyxin B, ranged from 0 to 24%. In conclusion, prevalence of AMR in mastitis pathogens was high on large Chinese dairy farms, potentially jeopardizing both antimicrobial efficacy and public health. Results of this study highlighted the need for improvements in antimicrobial stewardship and infection control programs in large Chinese dairy farms to reduce emergence of AMR.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,250
Écart entre enseignants0,237 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations127
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetMilk Quality and Mastitis in Dairy CowsTravaux en français237 207