Consumer perceptions of antimicrobial use in animal husbandry: A scoping review
Notice bibliographique
Résumé
Antimicrobial use in animal agriculture is often perceived to play a role in the emerging threat of antimicrobial resistance. Increased consumer awareness of this issue places pressure on animal husbandry to adopt policies to reduce or eliminate antimicrobial use. We use a scoping review methodology to assess research on consumer perceptions of antimicrobial drugs in meat products in the United States, Canada, or the European Union. Evaluating peer-reviewed and grey literature, we included studies for assessment if they met these topical and geographic requirements, involved primary data collection, and were originally published in English. Our screening process identified 124 relevant studies. Three reviewers jointly developed a data charting form and independently charted the contents of the studies. Of the 105 studies that measured consumer concern, 77.1% found that consumers were concerned about antimicrobial use in meat production. A minority of studies (29.8% of all studies) queried why consumers hold these views. These studies found human health and animal welfare were the main reasons for concern. Antimicrobial resistance rarely registered as an explicit reason for concern. A smaller group of studies (23.3%) measured the personal characteristics of consumers that expressed concern about antimicrobials. Among these studies, the most common and consistent features of these consumers were gender, age, income, and education. Regarding the methodology used, studies tended to be dominated by either willingness-to-pay studies or Likert scale questionnaires (73.64% of all studies). We recommend consideration of qualitative research into consumer views on this topic, which may provide new perspectives that explain consumer decision-making and mentality that are lacking in the literature. In addition, more research into the difference between what consumers claim is of concern and their ultimate purchasing decisions would be especially valuable.
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 | 0,028 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,015 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».