Informing Stewardship Measures in Canadian Food Animal Species through Integrated Reporting of Antimicrobial Use and Antimicrobial Resistance Surveillance Data—Part I, Methodology Development
Notice bibliographique
Résumé
This study explores methodologies for the data integration of antimicrobial use (AMU) and antimicrobial resistance (AMR) results within and across three food animal species, surveyed at the farm-level by the Canadian Integrated Program for Antimicrobial Resistance Surveillance (CIPARS). The approach builds upon existing CIPARS methodology and principles from other AMU and AMR surveillance systems. Species level data integration involved: (1) standard CIPARS descriptive and temporal analysis of AMU/AMR, (2) synthesis of results, (3) selection of AMU and AMR outcomes for integration, (4) selection of candidate AMU indicators to enable comparisons of AMU levels between species and simultaneous assessment of AMU and AMR trends, (5) exploration of analytic options for studying associations between AMU and AMR, and (6) interpretation and visualization. The multi-species integration was also completed using the above approach. In addition, summarized reporting of internationally-recognized indicators of AMR (i.e., AMR adjusted for animal biomass) and AMU (mg/population correction unit, mg/kg animal biomass) is explored. It is envisaged that this approach for species and multi-species AMU-AMR data integration will be applied to the annual CIPARS farm-level data and progressively developed over time to inform AMU-AMR integrated surveillance best practices for further enhancement of AMU stewardship actions.
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 | 0,115 | 0,162 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,012 | 0,014 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».