MétaCan
Menu
Retour à la cohorte
Enregistrement W3118350664 · doi:10.33997/j.afs.2020.33.s1.006

Understanding Antibiotic Treatment Failures in Salmon Aquaculture

2020· article· en· W3118350664 sur OpenAlexaff
Sophie St‐Hilaire

Notice bibliographique

RevueAsian Fisheries Science · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePharmaceutical and Antibiotic Environmental Impacts
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésAntibioticsAntibiotic resistanceAquaculturePathogenIntensive care medicinePopulationBiologyBiotechnologyMedicineFish <Actinopterygii>MicrobiologyFisheryEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Antibiotic treatment failure can occur due to several reasons. In this paper, we summarise our research in Chile and review relevant literature to identify the issues that result in antibiotic treatment failure. The four basic issues we have found for explaining treatment failure include misdiagnoses, resistance, subtherapeutic antibiotic tissue concentrations in target organs, and insufficient treatment time for the elimination of the pathogen at the individual and population levels. Our hypotheses are based on salmonid aquaculture systems but likely apply to other aquaculture industries that use in-feed antibiotic treatments for bacterial infections. It is important to better understand the specific causes of treatment failure as they result in repeated treatments and increased pathogen exposure to subtherapeutic antibiotic levels. Both of these phenomena could increase the risk of antibiotic resistance over time.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,183
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
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 Opus0,103
Tête enseignante GPT0,276
Écart entre enseignants0,173 · 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 tête enseignante, pas un consensus.

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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Fisheries ScienceMême sujetPharmaceutical and Antibiotic Environmental ImpactsTravaux en français237 207