Distribution of Antibiotic Resistance Genes in Gram Negative Bacteria Isolated from Contact Surfaces at Slaughterhouses and Butcheries
Notice bibliographique
Résumé
BACKGROUND: Cross contamination of contact surfaces in slaughterhouses and meat shops (butcheries) may contain antibiotic resistance genes that pose a serious public health challenge. AIMS: The present study aimed to assess prevalence of antibiotic resistance genes in Gram-negative strains isolated from contact surfaces at slaughterhouses and meat shops. METHODS: A total of 71 swab samples were collected from different contact surfaces at slaughterhouses and meat shops and cultured for bacterial identification, antibiotic resistance testing, and resistance gene detection.  Polymerase chain reaction (PCR) was used to detect strA-strB, sul2, aadA1, tet(B), tet(A), cat, sul3, and blaSHV resistant genes in Gram-negative bacteria. RESULTS: The results showed that the most common Gram-negative bacteria were Klebsiella pneumoniae (41.2%) and Escherichia coli (35.3%) followed by Enterobacter cloacae (5.9%). Resistance was most prevalent against trimethoprim-sulfamethoxazole (88.1%), ampicillin (85.3%), and cefuroxime (70.6%). The most prevalent antibiotic resistance gene was aadA1 (88.2%), followed by tet (A) (73.5%), and sul3 (70.6%). The results also indicated that 29.4% of the bacteria carried one resistance gene, 44.1% carried two genes, 20.6% carried more than two genes. CONCLUSIONS: The findings of this study emphasize the critical role of hygiene and antimicrobial stewardship in slaughterhouses and butcheries. The high prevalence of Gram-negative bacteria and their resistance to multiple antibiotics highlight the urgent need for improved sanitation practices and responsible antibiotic usage. Future studies should focus on whole-genome sequencing to further investigate resistance mechanisms and explore alternative disinfection strategies to reduce bacterial contamination in meat-processing facilities.
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) | 0,000 | 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 ».