Multi-Criteria Decision Analysis for Assessing Social Acceptance of Strategies to Reduce Antimicrobial Use in the French Dairy Industry
Notice bibliographique
Résumé
To respond to the antimicrobial resistance (AMR) threat, public health entities implement policies aiming to reduce antimicrobial use (AMU) in livestock systems, in which policy success and sustainability might be subject to the social acceptability of the novel regulatory environment. Therefore, consistent methods that gather and synthesize preferences of stakeholder groups are needed during the policy design. The objective of this study was to present a methodology for evaluating the acceptability of potential strategies to reduce AMU using multi-criteria decision analysis (MCDA) using French dairy industry as a model. Preference-ranking organization methods for enrichment evaluations were applied to rank stakeholders’ acceptance of four different potential AMU reduction strategies: 1. Baseline AMU regulations in France; 2. Total interdiction of AMU; 3. Interdiction of prophylaxis and metaphylaxis AMU; and 4. Subsidies to reduce AMU by 25%. A total of 15 stakeholders (consumers, n = 10; farmers, n = 2; public health representatives, n = 3) representing the French dairy sector and public health administration participated in the acceptance weighting of the strategies in relation with their impact on environmental, economic, social, and political criteria. We established a MCDA methodology and result-interpretation approach that can assist in prioritizing alternatives to cope with AMR in the French dairy industry or in other livestock systems. Our MCDA framework showed that consumers and public health representatives preferred alternatives that consider the restriction of AMU, whereas farmers preferred to maintain baseline policy.
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 | 0,001 |
| 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 ».