Identification of the elements of models of antimicrobial resistance of bacteria for assessing their usefulness and usability in One Health decision making: a protocol for scoping review
Notice bibliographique
Résumé
INTRODUCTION: Antimicrobial resistance (AMR) is a complex problem that requires the One Health approach, that is, a collaboration among various disciplines working in different sectors (animal, human and environment) to resolve it. Mathematical and statistical models have been used to understand AMR development, emergence, dissemination, prediction and forecasting. A review of the published models of AMR will help consolidate our knowledge of the dynamics of AMR and will also facilitate decision-makers and researchers in evaluating the credibility, generalisability and interpretation of the results and aspects of AMR models. The study objective is to identify and synthesise knowledge on mathematical and statistical models of AMR among bacteria in animals, humans and environmental compartments. METHODS AND ANALYSIS: Eligibility criteria: Original research studies reporting mathematical and statistical models of AMR among bacteria in animal, human and environmental compartments that were published until 2022 in English, French and Spanish will be included in this study. SOURCES OF EVIDENCE: Database of PubMed, Agricola (Ovid), Centre for Agriculture and Bioscience Direct (CABI), Web of Science (Clarivate), Cumulative Index to Nursing and Allied Health Literature (CINAHL) and MathScinet. Data charting: Metadata of the study, the context of the study, model structure, model process and reporting quality will be extracted. A narrative summary of this information, gaps and recommendations will be prepared and reported in One Health decision-making context. ETHICS AND DISSEMINATION: Research ethics board approval was not obtained for this study as neither human participation nor unpublished human data were used in this study. The study findings will be widely disseminated among the One Health Modelling Network for Emerging Infections network and stakeholders by means of conferences, and publication in open-access peer-reviewed journals.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,174 | 0,231 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,005 |
| Méta-épidémiologie (sens large) | 0,015 | 0,024 |
| Bibliométrie | 0,032 | 0,026 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,008 | 0,010 |
| Intégrité de la recherche | 0,011 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 0,010 |
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 source (Gemma direct ou Codex distillé), 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 ».