Phage Therapy Approaches to Reducing Pathogen Persistence and Transmission in Animal Production Environments: Opportunities and Challenges
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
One of the major challenges to current global food production and food security is the presence of antibiotic-resistant bacteria in animals (ruminants, poultry, swine) from which foods of animal origin are produced. Foodborne diseases significantly impact public health globally, with the World Health Organization (WHO) estimating that 1 in 10 people, or approximately 600 million people worldwide, are sickened and 420,000 die annually from foodborne illnesses (1). There is concern that many foodborne bacterial pathogens are either resistant or increasing their resistance to antimicrobials commonly used for medical treatment. For example, the Centers for Disease Control and Prevention reported that in 2013, the percentage of human Campylobacter jejuni isolates with macrolide resistance increased from 1.8% in 2012 to 2.2% in 2013, and from 9.0% in 2012 to 17.6% among Campylobacter coli isolates (2). In addition, the percentage of human Salmonella ser. I 4,[5],12:i:- isolates with resistance to ampicillin, streptomycin, sulfonamide, and tetracycline continued to increase, from 17% in 2010 to 45.5% in 2013 (2). Campylobacter spp. (845,024 cases per year) and nontyphoidal Salmonella spp. (1,027,561 cases per year) are the two most prevalent causes of foodborne illness in the United States, accounting for 51% of annual foodborne illnesses due to known bacterial agents (3) and highlighting the fact that an increasing number of foodborne illnesses are becoming more difficult to treat with antibiotics.
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.
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 | 0,000 | 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 découle