Metagenomic Meta-Analysis of Antibiotic-Resistance Genes in Wastewater: A Perspective from the COVID-19 Pandemic
Notice bibliographique
Résumé
Antibiotic resistance is a silent global crisis intensified by the recent pandemic of coronavirus disease 2019 (COVID-19). To address this growing threat, wastewater-based surveillance (WBS) is emerging as a promising public health tool for monitoring antibiotic resistance within communities. Our meta-analysis aims to reveal the landscape of antibiotic-resistance genes (ARGs) in global wastewater during and after the COVID-19 pandemic. The analysis included wastewater samples collected between 2020 and 2024 from five countries across three continents: Asia (China), Europe (United Kingdom and Russia), and North America (United States and Canada). Our findings showed higher observed ARGs in Russia and China despite their small sample size, while the USA showed more diverse ARGs. Distinct patterns of ARGs were observed in European and North American wastewater samples (p-value < 0.001). We identified 2483 ARGs, with multidrug-resistant (MDR) genes dominating most regions and accounting for almost 45% of all ARGs detected in Europe. Country-specific indicator ARGs showed 22 unique ARGs for Russia, 3 for each of the UK and Canada, and 2 were specific for China. Continentally, 100 indicator ARGs were specific to Asia, 38 to Europe, and 18 to North America. These findings highlight the regional variations in ARG profiles, emphasizing the urgent need for region-specific strategies to combat antibiotic-resistance threat. Additionally, our study further supports the value of WBS as a valuable public health tool for monitoring antibiotic resistance.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».