Comparing individual antimicrobial resistant and multi-drug resistant Salmonella enterica across serotypes, sampling sources, sampling periods, and food animal types in the United States (2014–2018)
Notice bibliographique
Résumé
This study aimed to compare the antimicrobial-resistant Salmonella enterica profiles from three sampling sources cecal contents, HACCP (during processing), and retail meat using phenotypic antibiotic susceptibility and serotype data gathered from 2014 and 2018. Antimicrobial resistance data for 29 major Salmonella serotypes from three sampling sources and associated food animal types (cattle, swine, chicken, and turkey) were obtained from the database of the United States National Antimicrobial Resistance Monitoring System. Using multivariable logistic regression models, we compared individual and multi-drug resistance (MDR) in Salmonella enterica between the three sampling sources, food animal types, sampling period, and Salmonella serotypes. Across the three sources and throughout the sampling period, the recovery of antimicrobial-resistant Salmonella enterica - including MDR, MDR-AmpC, and ACSSuT - among food animal types were dependent on the sampling period and, in some cases, sampling sources and period for the selected antimicrobials. The predicted probability of antimicrobial resistance was greater in Salmonella serotypes from turkey compared to other food animal types, conditional on sampling sources. Ceftriaxone-resistant (OR=0.83, 95% CI: 0.69-0.99), and Sulfisoxazole-resistant (OR=0.84, 95% CI: 0.72-0.98) Salmonella serotypes were less likely to be recovered from the Hazard Analysis and Critical Control Point (HACCP) sources than with the cecal sources. Except for Salmonella serotypes Dublin and Newport, most of the Salmonella serotypes were less likely to be resistant to the selected antimicrobials, or found as MDR, compared to serotype Typhimurium. This study offers an integrated view on the predicted probability of MDR Salmonella serotypes, as well as insights into which serotypes are persistent, emerging or declining across sampling sources and food animal types in the United States.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».