A framework for improved one health governance and policy making for antimicrobial use
Notice bibliographique
Résumé
There is a need to develop an evaluation framework to identify intervention priorities to reduce antimicrobial use (AMU) across clinical, agricultural and environmental settings. Antimicrobial resistance (AMR) can be conceptualised and therefore potentially managed in the same way as an environmental pollution problem. That is, over-use of antimicrobial medicines as inputs to human and animal health leads to unintended leakage of resistance genes that further combine with natural or intrinsic resistance in the environment. The diffuse nature of this leakage means that the private use decision is typically neither cognisant, nor made responsible for the wider social cost, which is the depletion of wider antibiotic effectiveness, a common pool resource or public good. To address this so-called market failure, some authors have suggested a potential to learn from similar management challenges encountered in the sphere of global climate change, specifically, capping use of medically important drugs analogous to limits set on greenhouse gas emissions. Drawing on experience of the economics of greenhouse gas mitigation, this paper explores a potential framework to develop AMU budgets based on a systematic comparative appraisal of the technical, economic, behavioural and policy feasibility of AMU reduction interventions across the One Health domains. The suggested framework responds to a call for global efforts to develop multi-dimensional metrics and a transparent focus to motivate research and policy, and ultimately to inform national and global AMR governance.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».