Mapping out a One Health model of antimicrobial resistance in the context of the Swedish food system: a literature scan
Notice bibliographique
Résumé
Abstract Background: Antimicrobial resistance (AMR) causes worsening health, environmental, and financial burdens. Modelling complex issues such as AMR is important, however, how well such models and data cover the broader One Health system is unknown. Our study aimed to identify models of AMR across the One Health system (objective 1), and data to parameterize such models (objective 2) to inform a future model of the AMR in the Swedish One Health system. Based on an expert-derived qualitative description of the system, an extensive literature scan was performed to identify models and data from peer-reviewed and grey literature sources. Models and data were extracted, categorized in an Excel database, and visually represented on the existing qualitative model to illustrate coverage. The articles identidied described 106 models in various parts of the One Health system; 54 were AMR-specific. Few multi-level, multi-sector models, and models within the animal and environmental sectors, were identified. We identified 414 articles containing data to parameterize the models. Data gaps included the environment and broad, ill-defined, or abstract ideas (e.g., human behaviour). In conclusion, no models addressed the entire system, and many data gaps were found. Existing models could be integrated into a mixed-methods model in the interim.
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 | 0,003 | 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 | 0,001 |
| 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 ».