Spatial relationships between small-holder farms coupled with livestock management practices are correlated with the distribution of antibiotic resistant bacteria in northern Tanzania
Notice bibliographique
Résumé
We examined the spatial distribution of antibiotic-resistant coliform bacteria amongst livestock from three distinct cultural groups, where group-level differences in practices (e.g., antibiotic use) may influence the magnitude of antibiotic resistance, while livestock interactions (e.g., mixing herds, shared markets) between these locations may reduce heterogeneity in the distribution of antibiotic resistant bacteria. Data was collected as part of a larger study of antibiotic-resistance in northern Tanzania. Simple regression and generalized linear regression were used to assess livestock management and care practices in relation to the prevalence of multidrug-resistant (MDR) coliform bacteria. Simple and multivariable logistic regression were then used to identify how different management practices affected the odds of households being found within MDR "hotspots." Households that had a higher median neighbourhood value within a 3000 m radius showed a significant positive correlation with livestock MDR prevalence (β = 4.33, 95% CI: 2.41-6.32). Households were more likely to be found within hotspots if they had taken measures to avoid disease (Adjusted Odds Ratio (AOR) 1.53, CI: 1.08-2.18), and if they reported traveling less than a day to reach the market (AOR 2.66, CI: 1.18-6.01). Hotspot membership was less likely when a greater number of livestock were kept at home (AOR 0.81, CI: 0.69-0.95), if livestock were vaccinated (AOR 0.32, CI: 0.21-0.51), or if distance to nearest village was greater (AOR 0.46, CI: 0.36-0.59). The probability of MDR increases when herds are mixed, consistent with evidence for passive transmission of resistant bacteria between animals. Reduced MDR with vaccination is consistent with many studies showing reduced antibiotic use with less disease burden. The neighbourhood effect has implications for design of intervention studies.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».