MétaCan
Menu
Retour à la cohorte
Enregistrement W2972203845 · doi:10.1139/cjas-2018-0202

The impacts of feeding milk with antibiotics on the fecal microbiome and antibiotic resistance genes in dairy calves

2019· article· en· W2972203845 sur OpenAlexvenueno aff
Xin Feng, Heather Littier, K.F. Knowlton, Emily Garner, Amy Pruden

Notice bibliographique

RevueCanadian Journal of Animal Science · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePharmaceutical and Antibiotic Environmental Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAntibioticsMicrobiomeAntibiotic resistanceMetagenomicsPasteurizationBiologyFecesManureBiotechnologyVeterinary medicineMicrobiologyFood scienceMedicineGeneBioinformaticsGeneticsAgronomy

Résumé

récupéré en direct d'OpenAlex

The effects of ingestion of antibiotics on the microbiome of the young calf are not well understood. The objective of this study was to evaluate the effect of feeding milk containing pirlimycin on the prevalence of antibiotic resistance genes in the fecal microbiome of dairy calves using a metagenomic approach. In this study calves were assigned to either pasteurized whole milk (control; n = 5) or pasteurized whole milk containing 0.2 mg L−1 of pirlimycin (treatment; n = 5). Fecal samples were collected on days 1, 42, and 84. Functional analysis of DNA via metagenomic rapid annotations using subsystems technology revealed that pirlimycin had no effects on abundance of sequences coding for different cell functions except in the “phage, prophage, and transposable elements” category. Evaluation of the major antibiotic resistance types in samples via annotation against the Comprehensive Antibiotic Resistance Database analysis showed no difference between the two groups. The results of this study will help assess the risk of use of antibiotics in animal agriculture and increase our understanding of how antibiotics present in waste milk affects both calves and their manure, and will lay the groundwork for future research on manure treatment or other strategies to minimize any negative impacts.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,014
Tête enseignante GPT0,239
Écart entre enseignants0,225 · 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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Animal ScienceMême sujetPharmaceutical and Antibiotic Environmental ImpactsTravaux en français237 207