Prevalence and Antibiotic Resistance of Clostridioides (Clostridium difficile) In Meat and Meat Products: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: Meat and meat products are introduced as one of the frequent sources of Clostridioides difficile. We aimed to determine the prevalence and antibiotic resistance of C. difficile isolates in meat and meat products using a systematic review and meta-analysis. Methods: A literature search was performed in the primary international and bibliographic databases such as MEDLINE (PubMed), Cochrane Library, Embase, Scopus, and Web of Science to achieve all articles related to the prevalence and antibiotic resistance rates from 2007 to 2022. Results: The 278 retrieved articles were reduced to 54 worldwide eligible studies after screening and matching inclusion/ exclusion criteria. C. difficile was examined in different types of samples and its resistance to 10 antibiotics. The pooled prevalence of C. difficile was 3.4% in all samples. C. difficile pooled prevalence was detected in fish, poultry, and red meat groups with 6.9%, 5.2%, and 3.2%, respectively. Regarding antibiotic resistance, the highest pooled prevalence was for ciprofloxacin (86.6%), followed by clindamycin (42.6%) and erythromycin (34%). The lowest pooled prevalence was observed in metronidazole (7.6%), vancomycin (6.6%), and chloramphenicol (6%). Conclusion: Low resistance was found to commonly used drugs for C. difficile infection (CDI) treatment. Since each antibiotic can be predisposing cause for CDI development, this finding possibly will be warning from a One Health viewpoint about the misuse of antibiotics in the chain of farm to fork including agriculture, animal husbandry and the food industry and also their injudicious use in medicine.
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 | 0,009 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| 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 | 0,001 |
| 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 ».