Distribution of antibiotic resistance genes in the environment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The prevalence of antibiotic resistant bacteria (ARB) and antibiotic resistance genes (ARGs) in the microbiome is a major public health concern globally. Many habitats in the environment are under threat due to excessive use of antibiotics and evolutionary changes occurring in the resistome. ARB and ARGs from farms, cities and hospitals, wastewater treatment plants (WWTPs) or as water runoffs, may accumulate in water, soil, and air. We present a global picture of the resistome by examining ARG-related papers retrieved from PubMed and published in the last 30 years (1990-2020). Natural Language Processing (NLP) was used to retrieve 496,640 papers, out of which 9374 passed the filtering test and were further analyzed to determine the distribution and diversity of ARG subtypes. The papers revealed seven major antibiotic families together with their respective ARG subtypes in different habitats on six continents. Asia, especially China, had the highest number of ARGs related papers compared to other countries/regions/continents. ARGs belonging to multidrug, glycopeptide, and β-lactam families were the most common in reports from hospitals and sulfonamide and tetracycline families were common in reports from farms, WWTPs, water and soil. We also highlight the 'omics' tools used in resistome research, describe some factors that shape the development of resistome, and suggest future work needed to better understand the resistome. The goal was to show the global nature of ARB and ARGs in order to encourage collaborate research efforts aimed at reducing the negative impacts of antibiotic resistance on the One Health concept.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découle