Comparison of Quantification Methods to Estimate Farm-Level Usage of Antimicrobials Other than in Medicated Feed in Dairy Farms from Québec, Canada
Notice bibliographique
Résumé
Monitoring antimicrobial usage (AMU) in dairy cattle is becoming common in a growing number of countries, with the ultimate goal to improve practices, reduce the development of antimicrobial resistance, and protect human health. However, antimicrobials delivered as feed additives can be missed by some of the quantification methods usually implemented. Our objective was to compare three methods of quantification of in-feed AMU in Québec dairy herds. We recruited 101 dairy producers for one year in the Québec province. Quantities of antimicrobials were calculated by farm from: (1) feed mills invoices (reference method); (2) veterinary prescriptions; and (3) information collected during an in-person interview of each producer. We standardized AMU rates in kilograms per 100 cow-years and compared the reference method to both alternative methods using concordance correlation coefficients and Bland-Altman plots. Antimicrobial usage was well estimated by veterinary prescriptions (concordance correlation coefficient (CCC) = 0.66) or by the approximation using producer's data (CCC = 0.73) when compared with actual deliveries by feed mills. Users of medically important antimicrobials for human medicine (less than 10% of the farms) were easily identified using veterinary prescriptions. Given that veterinary prescriptions were mostly electronic (90%), this method could be integrated as part of a monitoring system in Québec.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».