Enhancing the one health initiative by using whole genome sequencing to monitor antimicrobial resistance of animal pathogens: Vet-LIRN collaborative project with veterinary diagnostic laboratories in United States and Canada
Notice bibliographique
Résumé
BACKGROUND: Antimicrobial resistance (AMR) of bacterial pathogens is an emerging public health threat. This threat extends to pets as it also compromises our ability to treat their infections. Surveillance programs in the United States have traditionally focused on collecting data from food animals, foods, and people. The Veterinary Laboratory Investigation and Response Network (Vet-LIRN), a national network of 45 veterinary diagnostic laboratories, tested the antimicrobial susceptibility of clinically relevant bacterial isolates from animals, with companion animal species represented for the first time in a monitoring program. During 2017, we systematically collected and tested 1968 isolates. To identify genetic determinants associated with AMR and the potential genetic relatedness of animal and human strains, whole genome sequencing (WGS) was performed on 192 isolates: 69 Salmonella enterica (all animal sources), 63 Escherichia coli (dogs), and 60 Staphylococcus pseudintermedius (dogs). RESULTS: We found that most Salmonella isolates (46/69, 67%) had no known resistance genes. Several isolates from both food and companion animals, however, showed genetic relatedness to isolates from humans. For pathogenic E. coli, no resistance genes were identified in 60% (38/63) of the isolates. Diverse resistance patterns were observed, and one of the isolates had predicted resistance to fluoroquinolones and cephalosporins, important antibiotics in human and veterinary medicine. For S. pseudintermedius, we observed a bimodal distribution of resistance genes, with some isolates having a diverse array of resistance mechanisms, including the mecA gene (19/60, 32%). CONCLUSION: The findings from this study highlight the critical importance of veterinary diagnostic laboratory data as part of any national antimicrobial resistance surveillance program. The finding of some highly resistant bacteria from companion animals, and the observation of isolates related to those isolated from humans demonstrates the public health significance of incorporating companion animal data into surveillance systems. Vet-LIRN will continue to build the infrastructure to collect the data necessary to perform surveillance of resistant bacteria as part of fulfilling its mission to advance human and animal health. A One Health approach to AMR surveillance programs is crucial and must include data from humans, animals, and environmental sources to be effective.
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 | 0,018 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».