Situational analysis of human and agricultural health practice: One Health and antibiotic use in an indigenous village in rural Punjab, India
Notice bibliographique
Résumé
Antimicrobial resistance (AMR) represents one of the biggest threats to health globally. The rise of AMR has been largely attributed to the misuse and abuse of antimicrobials in veterinary, human, and agricultural medicine. This study aimed to assess human, livestock, and agricultural health profiles, and practices of One Health and antibiotic use through a situational analysis of an Indigenous village Gurah, in a rural area of Mohali district in Punjab state using a demographic and facility survey. A survey questionnaire was used to collect information on the village's socio-demographic, human, livestock, and agricultural profiles. The study included 77 households from the village Gurah, with the majority i.e., 71.4 % engaged in agricultural activity and 68.8 % with livestock. Survey results showed that self-reported adherence to any medicine prescribed by doctors was high (92.3 %) and self-medication reported by the respondents was 11 %. Forty-two percent of antibiotic consumption was verified from prescription. The major crops grown in the village were exposed to pesticides, and most dairy and non-dairy products were sold in markets, with consumers unaware of any pesticide or antibiotic exposure. Additionally, villagers were unaware of disease diagnosis and the medicines their livestock consumed. Findings from veterinarians revealed that around 50 % of the livestock was given antibiotics for treatment for mastitis. In our study, 67.9 % of the green fodder for animals was homegrown and pesticide use was reported. The study reported that 81.1 % of the animal feed additives were purchased from the market and farmers might be unaware whether commercially-purchased feed contains antibiotics. The results provide a picture of the current situation and guide further research for the containment of AMR under the One Health approach. Inadequate multi-sectoral and cross-disciplinary efforts to combating AMR in current practice call for prompt coordinated action integral to a "One Health approach."
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».