Prevalence of Shiga Toxin-Producing Escherichia coli (STEC) and Risk Characterization Based on Virulence Genes in Retail Raw Ground Meat of Beef, Veal, and Lamb in Canada
Notice bibliographique
Résumé
Shiga toxin-producing Escherichia coli (STEC) are potentially pathogenic E. coli that may cause mild to severe gastrointestinal illnesses. STEC-contaminated foods of animal origin have been the most frequently implicated sources of foodborne outbreaks. A multiyear (2016 to 2021) targeted survey was conducted to investigate the prevalence of STEC in retail ground meats (beef, veal, and lamb). Samples were screened for the presence of Shiga toxin genes (stx) to identify presumptive samples, followed by culture and molecular confirmation of isolates to confirm the presence of stx genes and subsequent characterization by whole-genome-sequencing (WGS) for O serogroup and virulence genes (e.g., stx, eae, aggR). A total of 175 STEC strains were isolated from a total of 148 samples where the presence of viable STEC was confirmed out of 2,398 ground meat samples. This represented 1.2% (7/589 positive, 8 unique strains) of the beef samples, 4.7% (58/1,241 positive, 67 unique strains) of the veal samples, and 14.6% (83/568 positive, 100 unique strains) of the lamb samples. The intimin virulence gene, eae, was identified in the STEC strains of veal origin (9/67, 13.4%) only and were classified as belonging to risk level 1 (1/67), level 3 (2/67), and level 4 (6/67) according to the FAO/WHO risk categories. Risk level 2 STEC strains were of beef (2/8, 25.0%), veal (8/67, 11.9%), and lamb (1/100, 1.0%) origin. The majority of the STEC strains, 75.0% (6/8) of the beef, 67.2% (45/67) of the veal, and 94.0% (94/100) of the lamb STEC strains were classified as risk level 5 (lowest level) of the FAO/WHO risk categories. This study's findings indicate that the current food safety control measures implemented for ground meats in Canada are effective at maintaining an acceptable level of possible contamination with STEC strains associated with severe clinical outcomes. Continued application of effective control measures and safe food handling practices by consumers will minimize the potential risk of foodborne infections from raw ground meats.
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 | 0,000 |
| 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 ».