A Focus Group Study of Canadian Dairy Farmers' Attitudes and Social Referents on Antimicrobial Use and Antimicrobial Resistance
Notice bibliographique
Résumé
As part of broader actions to combat antimicrobial resistance (AMR), health authorities have promoted the reduction of antimicrobial use (AMU) in food animals. Farmers' attitudes and receptivity to reduction of AMU appear to be variable and context specific. Our research objectives were to gain insight into Canadian dairy farmers' attitudes toward AMU, AMR, and AMU-reduction in the dairy industry, and to explore drivers and barriers to change AMU, including the influence of social referents. We conducted seven focus groups with 42 farmers in two provinces of Canada (New Brunswick and Ontario) and used thematic analysis to identify, analyze, and report patterns in the data. Our results indicate that farmers usually rely on their previous experience and judgement of individual cases of disease when making decisions related to AMU. External referents included other farmers, family members, and veterinarians. However, veterinarians were generally only consulted for unusual cases. Participants in this study expressed that maintaining cattle welfare is their responsibility, and that they were not willing to jeopardize animal welfare in order to reduce AMU. In addition, farmers regarded the cost of investment in improved facilities to prevent disease as an important barrier to reduce AMU. Finally, the majority of participants considered themselves to be low users of antimicrobials and perceived a small role of AMU on dairy farms in AMR. In conclusion, farmers from this study showed self-reliance to decide about AMU on their farms and considered animal-related and economic factors in these decisions. There was a general lack of knowledge of how to reduce AMU without investing in facilities, and there is an opportunity to motivate increased involvement of the veterinarian in AMU-related decisions. These results should be considered to design and refine antimicrobial stewardship programs for dairy farms.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,012 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».