The Super-Wicked Problem of Antimicrobial Resistance
Notice bibliographique
Résumé
Abstract Antimicrobial resistance (AMR) – the progressive process by which microbes, such as bacteria, through evolutionary, environmental and social factors develop the ability to become resistant to drugs that were once effective at treating them – is a threat from which no one can escape. It is one of the largest threats to clinical and global health in the twenty-first century – inflicting monumental health, economic and social consequences. All persons locally and globally, and even all future persons yet to come into existence, all suffer the shared, interdependent vulnerability to this threat that will have a substantial impact on all aspects of our lives. For example, while reliable data are hard to find, the European Centre for Disease Prevention and Control (ECDC) has conservatively estimated that, in Europe alone, AMR causes additional annual cost to health care systems of at least €1.5 billion, and is responsible for around 25,000 deaths per year. Furthermore, AMR significantly increases the cost of treating bacterial infections with an increase in length of hospital stays and average number of re-consultations, as well as the resultant lost productivity from increased morbidity. With a combined cost of up to $100 trillion to the global economy – pushing a further 28 million people into extreme poverty – this is one of the most pressing challenges facing the world. Most troublingly, if we do not succeed in diminishing the progression of AMR, there is the very real potential for it to threaten common procedures and treatments of modern medicine, including the safety and efficacy of surgical procedures and immunosuppressing chemotherapy. Some experts are warning that we may soon be ushering in a post-antibiotic area.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».