PSV-28 Liver abscess microbiota of beef cattle administered in-feed tylosin differ according to abscess size and fraction
Notice bibliographique
Résumé
Abstract Liver abscesses (LA) pose a significant challenge to the Canadian beef industry as they are estimated to cost the industry ~ $61.2 million annually. This is likely an underestimate as it does not account for losses in animal productivity. Tylosin phosphate is widely used to reduce LA, but concerns over antimicrobial use selecting for antimicrobial resistance has created an urgency to explore alternative approaches. Understanding the impact of tylosin on the microbial ecology of LA is crucial to this. We hypothesized that altering the duration of in-feed administration of tylosin to feedlot cattle would alter the microbial community of LA. To investigate this, we collected abscessed livers from cattle fed a diet containing tylosin 1) throughout finishing, 2) during the first 78% of the feeding or 3) during the last 75% of the feeding period. We examined LA microbial ecology of purulent material, abscess capsule tissue, originating from abscesses of different sizes using a metataxonomic approach. Our findings revealed that shortening tylosin administration did not notably alter the alpha (P > 0.05) or beta-diversity (P > 0.05) of LA microbial communities. There was a significant difference in microbial richness associated with abscess capsule (P < 0.05) compared with bulk purulent material. Fusobacterium or Bacteroides ASVs dominated LA microbiomes, alongside probable opportunistic gut pathogens and other bacteria. Interestingly, classifying samples based on whether they originated from a liver with a single abscess, multiple abscesses or a very large abscess tended to differ in microbiome composition (P = 0.06). These insights contribute to our understanding of factors impacting liver abscess microbial ecology and will be valuable in identifying antibiotic alternatives. They underscore the importance of exploring varied approaches to address liver abscesses while reducing reliance on in-feed antibiotics.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».