Quantifying farmers’ preferences for antimicrobial use for livestock diseases in northern Tanzania
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
Abstract Understanding the choice behaviours of farmers around the treatment of their livestock is critical to counteracting the risks of antimicrobial resistance (AMR) emergence. Using varying disease scenarios, we measure the differences in livestock species’ treatment preferences and the effects of context variables (such as grazing patterns, herd size, travel time to agrovet shops, previous disease experience, previous vaccination experience, education level, and income) on the farmers’ treatment choices for infections across three production systems—agro-pastoral, pastoral, and rural smallholder—in northern Tanzania, where reliance on antimicrobial treatment to support the health and productivity of livestock is high. Applying a context-dependent stated choice experiment, we surveyed 1224 respondents. Mixed logit model results show that farmers have higher preferences for professional veterinary services when treating cattle, sheep, and goats, while they prefer to self-treat poultry. Antibiotics sourced from agrovet shops are the medicine of choice, independent of the health condition to treat, whether viral, bacterial, or parasitic. Nearness to agrovet shops, informal education, borrowing and home storage of medicines, and commercial poultry rearing increase the chances of self-treatment. Based on our findings, we propose interventions such as awareness and education campaigns aimed at addressing current practices that pose AMR risks, as well as vaccination and good livestock husbandry practices, capacity building, and provision of diagnostic tools.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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