Government policy interventions to reduce veterinary antimicrobial consumption in production animals: a protocol for a systematic review and evidence map
Notice bibliographique
Résumé
BACKGROUND: Globally, agricultural production systems consume two-thirds of all antimicrobials. These systems are used to raise animals that produce products for consumption, such as meat, eggs, milk, and wool. The World Bank estimates that by 2030, AMR will reduce global livestock production by up to 7.5%, resulting in economic losses of up to one trillion USD. Governments worldwide have implemented various policies to promote antimicrobial stewardship in production animals, such as requiring veterinary prescriptions for antimicrobial use, restricting certain antimicrobials, and prohibiting antimicrobial use for growth promotion. However, the efficacy of these measures remains uncertain, necessitating a comprehensive review to guide policymakers. This review will identify and describe implemented government policy interventions to reduce veterinary AMU and AMR in production animals. A secondary analysis will map the policy pathways and the stakeholders involved in their successful implementation. METHODS: An electronic search strategy has been developed in consultation with a public health librarian and a veterinary health librarian. CAB Abstracts, MEDLINE, Web of Science, and ProQuest Dissertations will be searched, and additional studies will be identified using gray literature searches. The intervention of interest is any policy intervention enacted by a government or government agency in any country to change antimicrobial use in production animals. For inclusion within the review, studies must (1) describe the government policy, (2) quantitatively measure the impact of the policy in production animals using a rigorous study design, and (3) measure the impact of the intervention through antimicrobial use (AMU) or AMR. Two independent reviewers will screen for eligibility using defined criteria, and data will be extracted using Covidence software and Excel, respectively. Results will be synthesized narratively and visually (using maps and Sankey plots) to identify evidence gaps. DISCUSSION: This systematic review is intended to inform future government policies addressing antimicrobial resistance and antimicrobial use in production animal systems. It will also inform future research priorities by identifying evidence gaps about the effectiveness of various policy interventions. SYSTEMATIC REVIEW REGISTRATION: Open Science framework.
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 | 0,117 | 0,133 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,006 |
| Méta-épidémiologie (sens large) | 0,018 | 0,017 |
| Bibliométrie | 0,028 | 0,026 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,011 | 0,013 |
| Science ouverte | 0,007 | 0,007 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,085 | 0,013 |
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 ».