Canadian Collaboration to Identify a Minimum Dataset for Antimicrobial Use Surveillance for Policy and Intervention Development across Food Animal Sectors
Notice bibliographique
Résumé
Surveillance of antimicrobial use (AMU) and antimicrobial resistance (AMR) is a core component of the 2017 Pan-Canadian Framework for Action. There are existing AMU and AMR surveillance systems in Canada, but some stakeholders are interested in developing their own AMU monitoring/surveillance systems. It was recognized that the establishment of core (minimum) AMU data elements, as is necessary for policy or intervention development, would inform the development of practical and sustainable AMU surveillance capacity across food animal sectors in Canada. The Canadian Animal Health Surveillance System (CAHSS) AMU Network was established as a multisectoral working group to explore the possibility of harmonizing data inputs and outputs. There was a consensus that a minimum AMU dataset for AMU surveillance (MDS-AMU-surv) should be developed to guide interested parties in initiating AMU data collection. This multisectoral collaboration is an example of how consultative consensus building across relevant sectors can contribute to the development of harmonized approaches to AMU data collection and reporting and ultimately improve AMU stewardship. The MDS-AMU-surv could be used as a starting point for the progressive development or strengthening of AMU surveillance programs, and the collaborative work could serve as a model for addressing AMR and other shared threats at the human-animal-environment interface.
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 | 0,001 | 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) | 0,000 | 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 ».