Evaluating the Role of Veterinarians in the One Health Approach to Antimicrobial Resistance in Jordan
Notice bibliographique
Résumé
Background Antimicrobials, including antibiotics, antivirals, antifungals, and antiparasitics, are drugs used to prevent and treat infections in humans, animals, and plants. Objective This study aimed to evaluate the role of knowledge, attitudes, and practices of Jordanian veterinarians in combating antimicrobial resistance (AMR), and to summarize the registered veterinary drugs between 2017 and 2020. Methods The descriptive study data were collected using a standardized questionnaire focusing on knowledge, attitudes, and practices of Jordanian veterinarians. Results The results were analyzed descriptively and showed that the mean knowledge of the participants who agreed with the statement on AMR definition was 84%. The majority (95.65%) agreed that AMR is a challenge for the veterinary sector in Jordan and should be prioritized among other zoonotic diseases. Around 69% of the participants believe that the misuse and overuse of antimicrobials by quacks—fraudulent and unauthorized practitioners—are the main reasons for AMR challenge. The most common practice among the respondents was recommending clients (farmers, owners, etc) to practice good animal husbandry (80%). The study also revealed that there was a significant difference (P=.02) between attending training about AMR and their professional sector (private, public, and academic). Conclusions This study showed the importance of implementing a continuous education program on antimicrobial resistance to improve veterinarians’ knowledge in all aspects of antimicrobial resistance and to increase their advisory skills. Laws should also be enacted to ensure that veterinarians prescribe the correct antimicrobials and improve the surveillance system to monitor the use of antimicrobials in veterinary medicine.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».