Production systems and important antimicrobial resistant-pathogenic bacteria in poultry: a review
Notice bibliographique
Résumé
Economic losses and market constraints caused by bacterial diseases such as colibacillosis due to avian pathogenic Escherichia coli and necrotic enteritis due to Clostridium perfringens remain major problems for poultry producers, despite substantial efforts in prevention and control. Antibiotics have been used not only for the treatment and prevention of such diseases, but also for growth promotion. Consequently, these practices have been linked to the selection and spread of antimicrobial resistant bacteria which constitute a significant global threat to humans, animals, and the environment. To break down the antimicrobial resistance (AMR), poultry producers are restricting the antimicrobial use (AMU) while adopting the antibiotic-free (ABF) and organic production practices to satisfy consumers' demands. However, it is not well understood how ABF and organic poultry production practices influence AMR profiles in the poultry gut microbiome. Various Gram-negative (Salmonella enterica serovars, Campylobacter jejuni/coli, E. coli) and Gram-positive (Enterococcus spp., Staphylococcus spp. and C. perfringens) bacteria harboring multiple AMR determinants have been reported in poultry including organically- and ABF-raised chickens. In this review, we discussed major poultry production systems (conventional, ABF and organic) and their impacts on AMR in some potential pathogenic Gram-negative and Gram-positive bacteria which could allow identifying issues and opportunities to develop efficient and safe production practices in controlling pathogens.
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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».