Assessment of the farm-economic impact of reducing antimicrobial use in livestock production
Notice bibliographique
Résumé
The overall objective of this dissertation was to assess the scope for, and the farm-economic impact of reducing veterinary antimicrobial use (AMU). The dissertations’ underlying assertion is that an assessment of these issues can help in understanding pathways for reducing veterinary AMU. First, a conceptual framework was developed that provides an integrated assessment of measures and strategies that can be applied within the supply chain in order to reduce both (the need for) AMU and the prevalence of (pathogenic) microorganisms, and consequently the risks of human exposure to AMR. The farmer, the farm and the animals are considered as main decision areas in order to reduce AMU successfully. In addition, a theoretical framework was developed for deriving the economic value of AMU and determining the factors that affect the economic value of AMU. Microeconomic theory postulates that the main determinants of the economic value of AMU are the prices of productive inputs, damage abatement inputs and outputs, the production technology, the damage abatement function, the risk attitude of the farmer and the variance of profit. The next step was to assess the relation between technical farm performance and AMU. The results indicate that farms have unique combinations of technical farm performance and AMU, and therefore require farm-specific strategies to reduce AMU successfully. Finally, the impact of farm-specific interventions on farm performance was assessed. The results indicate that successful strategies for reducing AMU need to target combined interventions regarding the farmer, the farm and the animals. Overall, this dissertation underlined that there are possibilities for reducing AMU without necessarily having negative consequences with respect to technical farm performance.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».