Quantification of the risk of Extended-Spectrum Beta-Lactamase producing Escherichia coli colonization in humans through occupational exposure in broiler production
Notice bibliographique
Résumé
We propose a Quantitative Microbiological Risk Assessment (QMRA) model to quantify the risk of Extended-Spectrum Beta-Lactamase (ESBL) producing Escherichia coli (E. coli) colonization among humans through occupational exposure from broiler production. The contribution of this work is two-fold: Firstly, we adapt an existing QMRA model, originally proposed by Collineau et al. (2020) for Salmonella Heidelberg in the Canadian context, to assess the exposure to ESBL E. coli across various steps of the broiler farm-to-fork production chain within the European context. Secondly, we develop a novel QMRA model based on the guidelines of Codex Alimentarius Commission (2014) to quantify the transmission of ESBL E. coli to workers involved in the broiler production chain, via direct contact with contaminated surfaces and elements at different production steps. To the best of our knowledge, this is the first QMRA model to estimate the probability of colonization by ESBL E. coli among occupational groups engaged in various steps of broiler production. The model is used to identify steps with the highest occupational exposure and to evaluate the effectiveness of different hygiene interventions—including mask use, handwashing, and glove use—in reducing workers’ exposure. The proposed QMRA framework is designed as a risk assessment tool aligned with the One Health approach, and it is adaptable and scalable to specific broiler production systems according to the needs of risk managers. Additionally, this article discusses challenges in QMRA model validation, emphasizes the limitations of the proposed model, and explores future perspectives for improvement.
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 | 0,002 |
| 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 ».