Enriched Shotgun Sequencing to Assess the Effects of Interventions to Reduce Antimicrobial Use in Neonatal Dairy Calves
Notice bibliographique
Résumé
BACKGROUND: Neonatal diarrhea accounts for 20%-25% of morbidity among calves, and antimicrobial drugs (AMDs) are often administered for treatment. Systematic approaches that mitigate antimicrobial use (AMU) can be effective in decreasing antimicrobial resistance (AMR). HYPOTHESIS/OBJECTIVES: To determine the effects of an algorithmic farm-based intervention that reduced AMU for diarrhea on the community structure of antimicrobial resistance genes (ARGs) identified in the feces of healthy dairy calves. ANIMALS: Thirty-one fecal dairy calf samples collected at two timepoints and farms (N = 7-8 per sampling point) were used. Samples were obtained before AMU reductions and 12 months afterward. METHODS: Target-enriched shotgun sequencing was performed to characterize all ARGs in samples. Bioinformatics processing and statistical analysis were performed using the AMR++ pipeline, MEGARes AMR database, and R. RESULTS: Pre-intervention comparisons showed increased relative abundances (RA) consistent with the AMU on each farm. Intra-farm results showed that on Farm 1, there were significant increases in the RA of ARGs for tetracyclines (22.1%-27.4%, q = 0.02) and fluoroquinolones (0%-0.1%, q < 0.0001) in the Post period. On Farm 2, significant decreases were seen over time in the RA of ARGs for sulfonamides (9.6%-5.1%, q = 0.006) and fluoroquinolones (0.77%-0.12%, q = 0.004). CONCLUSIONS AND CLINICAL IMPORTANCE: Despite similar reductions in AMU on both farms, implementing an antimicrobial stewardship algorithm was associated with differing effects on and changes to the fecal resistome.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».