Rates of increase of antibiotic resistance and ambient temperature in Europe: a cross-national analysis of 28 countries between 2000 and 2016
Notice bibliographique
Résumé
Background The rapid increase of bacterial antibiotic resistance could soon render our most effective method to address infections obsolete. Factors influencing pathogen resistance prevalence in human populations remain poorly described, though temperature is known to contribute to mechanisms of spread. Aim To quantify the role of temperature, spatially and temporally, as a mechanistic modulator of transmission of antibiotic resistant microbes. Methods An ecologic analysis was performed on country-level antibiotic resistance prevalence in three common bacterial pathogens across 28 European countries, collectively representing over 4 million tested isolates. Associations of minimum temperature and other predictors with change in antibiotic resistance rates over 17 years (2000–2016) were evaluated with multivariable models. The effects of predictors on the antibiotic resistance rate change across geographies were quantified. Results During 2000–2016, for Escherichia coli and Klebsiella pneumoniae , European countries with 10°C warmer ambient minimum temperatures compared to others, experienced more rapid resistance increases across all antibiotic classes. Increases ranged between 0.33%/year (95% CI: 0.2 to 0.5) and 1.2%/year (95% CI: 0.4 to 1.9), even after accounting for recognised resistance drivers including antibiotic consumption and population density. For Staphylococcus aureus a decreasing relationship of −0.4%/year (95% CI: −0.7 to 0.0) was found for meticillin resistance, reflecting widespread declines in meticillin-resistant S. aureus across Europe over the study period. Conclusion We found evidence of a long-term effect of ambient minimum temperature on antibiotic resistance rate increases in Europe. Ambient temperature might considerably influence antibiotic resistance growth rates, and explain geographic differences observed in cross-sectional studies. Rising temperatures globally may hasten resistance spread, complicating mitigation efforts.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».