Environmental drivers of antibiotic resistance: Synergistic effects of climate change, co-pollutants, and microplastics
Notice bibliographique
Résumé
Antimicrobial resistance (AMR) is an urgent global health concern, increasingly driven by environmental factors such as climate change, chemical co-pollutants, and microplastics (MPs). MPs, synthetic particles smaller than 5 mm, facilitate the spread of antibiotic resistance genes (ARGs) by providing surfaces for biofilm development and concentrating pollutants like antibiotics and heavy metals. The interplay among these environmental stressors intensifies under the influence of climate change, which exacerbates ARG proliferation through elevated temperatures, extreme weather events, and enhanced horizontal gene transfer (HGT). The seasonal and pollutant-induced mechanisms of ARG proliferation underscore the intricate interaction of environmental factors, particularly in hotspots such as wastewater treatment plants. Key drivers of ARG enrichment includes antibiotics, heavy metals, organic pollutants (e.g., pesticides, non-antibiotic pharmaceuticals, etc.), and MPs. They contribute to resistance proliferation through synergistic mechanisms such as co-resistance, cross-resistance, and enhanced HGT. Aging MPs, enriched by biofilm formation, amplify their pollutant adsorption capacities and modulate ARG dynamics in polluted environments. This review examines the complex synergies among environmental drivers of antibiotic resistance, highlighting their collective and individual contributions to ARG proliferation. It integrates knowledge of ARG dynamics in ecosystems and assesses associated public health risks, such as pathogen dissemination, biofilm-mediated resistance transfer, and ecological disturbances. Addressing these challenges requires integrating advanced wastewater treatment technologies with innovative therapeutics, such as next-generation antibiotics and bacteriophage therapy while targeting mobile genetic elements. Prioritizing cost-effective, scalable, and site-specific solutions is essential to mitigate the global AMR crisis.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».