MétaCan
Menu
Retour à la cohorte
Enregistrement W4388498008 · doi:10.3390/v15112224

ECOPHAGE: Combating Antimicrobial Resistance Using Bacteriophages for Eco-Sustainable Agriculture and Food Systems

2023· article· en· W4388498008 sur OpenAlexaff
Pilar García, Rafael Tabla, Hany Anany, Roberto Bastías, Lone Brøndsted, Susana Casado, Pablo Cifuentes, Thomas G. Denes, Mohammad Aminul Islam, Rob Lavigne, Andrea I. Moreno‐Switt, Natsuko Nakayama, Cristina Muñoz Madero, Alexander Sulakvelidze, Antonet M. Svircev, Jeroen Wagemans, Elena G. Biosca, Dácil Rivera

Notice bibliographique

RevueViruses · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueBacteriophages and microbial interactions
Établissements canadiensUniversity of GuelphAgriculture and Agri-Food Canada
Organismes subventionnairesOrganisation de Coopération et de Développement ÉconomiquesUniversitat de València
Mots-clésAgricultureBiotechnologyBusinessAgency (philosophy)Sustainable agricultureAnimal husbandryFood industryBiologyFood science

Résumé

récupéré en direct d'OpenAlex

The focus of this meeting was to discuss the suitability of using bacteriophages as alternative antimicrobials in the agrifood sector. Following a One Health approach, the workshop explored the possibilities of implementing phage application strategies in the agriculture, animal husbandry, aquaculture, and food production sectors. Therefore, the meeting had gathered phage researchers, representatives of the agrifood industry, and policymakers to debate the advantages and potential shortcomings of using bacteriophages as alternatives to traditional antimicrobials and chemical pesticides. Industry delegates showed the latest objectives and demands from consumers. Representatives of regulatory agencies (European Medicines Agency (EMA) and Spanish Agency of Medicines and Health Products (AEMPS)) presented an update of new regulatory aspects that will impact and support the approval and implementation of phage application strategies across the different sectors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,258
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVirusesMême sujetBacteriophages and microbial interactionsTravaux en français237 207