The World Small Animal Veterinary Association ( <scp>WSAVA</scp> )
Notice bibliographique
Résumé
Antimicrobial resistance (AMR) evolution and onward transmission of resistance genes is impacted by interrelated biological and social drivers, with evidence and impacts observed across human, animal and environmental One Health domains.Systems-based research examining how food production impacts on AMR in complex agrifood systems is lacking, with little written on management approaches in the UK that might prevent and respond to this challenge.One approach is the creation of a transdisciplinary network to enhance capacity, capability and collaboration between agrifood-focused disciplines and stakeholders.This co-creation platform for network-wide systems-based activities would reduce inefficiencies in AMR-related activities around agrifood, providing a cross-cutting, cohesive community to deliver transformational guidance on relevant, practical agrifood solutions that add value by reducing AMR, antimicrobial usage and associated costs, and decreasing resultant environmental contamination by prioritising challenges, sharing knowledge and best practice, and cocreating practical solutions with key stakeholders.An online survey determined prospective network focus, structure and priorities, with responses analysed using mixed methods.Survey results suggested respondents have interests in synthesising data using systems-approaches and using certain disciplines such as 'social sciences' within network activities.There were disconnects in how and whom to work with on this, with generalised use of 'social science/scientists' but lack of disciplinary understanding (e. g., anthropology, sociology) suggesting disciplinary differences awareness-training is useful.A similar generalisation is seen for mathematics/statistics.There are strong interests in working with food system practitioners (e. g., farmers/vets), providing opportunities for farm/field visits/knowledge exchange, and human health, reflecting the need for farm-to-fork understanding of impacts.There were notable mentions of policy/governance, emphasising translational research desires to create meaningful change.Disciplines/fields did not always
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 | 0,009 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,107 | 0,092 |
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 ».