Opportunities for Laboratory Testing to Inform Antimicrobial Use for Bovine Respiratory Disease: Application of Information Quality Value Stream Maps in Commercial Feedlots
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVES: The implementation of information quality value stream maps (IQ-VSMs) in food animal production systems can increase our understanding of the opportunities and challenges when using laboratory testing for antimicrobial resistance (AMR) to support antimicrobial stewardship (AMS). Our objectives were to (1) explore the implementation of information quality value stream mapping as a continuous improvement tool to inform decisions for bovine respiratory disease (BRD) management and AMS and (2) apply the information quality dimensions to identified Kaizen opportunities for the integration of laboratory data into BRD management systems to assess the appropriateness of BRD treatment plans in western Canadian feedlot production. METHODS: A 'Current State' IQ-VSM outlined the processes, available information, information processing steps, and control decisions contributing to BRD management and treatment in commercial western Canadian feedlots, recognizing that laboratory BRD pathogens and AMR data are typically not part of BRD management. RESULTS: The 'Future State' IQ-VSM incorporated Kaizen opportunities for improvement, including (i) the strategic collection of respiratory samples from representative samples of calves for laboratory analysis, regardless of clinical BRD status, (ii) compilation of laboratory data at the pen and feedlot levels, and (iii) analysis of pen- and feedlot-level laboratory data to inform the veterinarian's assessment of the appropriateness of current BRD treatment plans. CONCLUSIONS: The IQ-VSMs provided a valuable framework to visualize the integration of BRD pathogen and AMR laboratory data to support AMS and address any potential future testing requirements.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».