Pet treats, Salmonella, and antimicrobial resistance; a One Health problem
Notice bibliographique
Résumé
Zoonotic pathogens, including Salmonella and antimicrobial resistant bacteria, may contaminate the food or treats consumed by our pets. These may directly impact the health of the pets or may be transferred to humans who are in close contact. To better understand the potential risk, we purchased 505 pet treats from pet and farm supply stores, grocery stores, and online retailers in the U.S. over a period of 16 months to identify and characterize Salmonella and Enterobacterales resistant to Highest Priority Critically Important Antimicrobials. We used selective media to detect Salmonella and bacteria resistant to colistin, carbapenems, fluoroquinolones, and 3 rd and 4 th generation cephalosporins. Four pig ear treats from Brazil were positive for Salmonella, with serotypes , Muenchen , Derby , Agona and Regent. We found that S. Muenchen and S. Derby were closely related to clinical and environmental isolates from the U.S., Canada, Venezuela, and Colombia. We detected three colistin resistant isolates, Klebsiella pneumoniae , Escherichia coli , and Enterobacter hormaechei , all from pig ear treats from Brazil, harboring the mcr 1.18 resistance gene on identical IncX4 plasmids. In addition, we recovered one carbapenem resistant E. coli harboring both bla KPC-2 and bla NDM-5 from a “bully stick”. We found that treats originating from North America and treats purchased in grocery stores had a lower risk of contamination with bacteria resistant to the antimicrobials tested. Outreach and extension activities are needed to increase awareness of the risks of contaminated pet treats and to highlight the importance of hand hygiene when feeding and interacting with pets.
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 ».