MétaCan
Menu
Retour à la cohorte
Enregistrement W4414462368 · doi:10.1186/s12917-025-04948-w

Analysis of antibiotic use, biosecurity and mortality in semi-intensive broiler farms in Kenya

2025· article· en· W4414462368 sur OpenAlexaff
Naomi P. Kemunto, Dishon Muloi, Eugine L Ibayi, Jane K. Njaramba, Vivian Hoffmann, Søren Saxmose Nielsen, Arshnee Moodley

Notice bibliographique

RevueBMC Veterinary Research · 2025
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAquaculture disease management and microbiota
Établissements canadiensCarleton University
Organismes subventionnairesHORIZON EUROPE Framework ProgrammeCopenhagen Graduate School for Nanoscience and NanotechnologyConsortium of International Agricultural Research CentersKøbenhavns UniversitetEuropean Commission
Mots-clésBiosecurityLogistic regressionFlockAntibioticsAntibiotic resistanceErythromycinAnimal husbandry

Résumé

récupéré en direct d'OpenAlex

The indiscriminate use of antibiotics in food-producing animals contributes to antimicrobial resistance (AMR), posing a global threat. Understanding the factors associated with antibiotic use is critical to combat resistance while maintaining animal health. This study examined antibiotic use practices, mortality rates, biosecurity levels, as well as the associations between biosecurity and antibiotic use, and between biosecurity and mortality, in semi-intensive broiler farms in Kenya.The study was conducted in 129 semi-intensive farms with total flock sizes between 200 and 2000 birds across three peri-urban counties in Kenya. Data were collected prospectively over one production cycle, with farms visited biweekly using questionnaires and a drug bin approach. Biosecurity levels were assessed by a panel of experts who weighted scores for various external and internal biosecurity subcategories. Directed acyclic graphs (DAG) described potential relationships between explanatory variables, confounders and outcome. Logistic regression analysis was conducted with antibiotic use as the outcome variable. Explanatory variables with P < 0.25 in the univariable logistic regression were included in the multivariable regression. Similarly, linear regression was conducted using mortality as the outcome.Overall, 72% of farms used antibiotics, primarily for prophylaxis (66%), with erythromycin and oxytetracycline being the most commonly used antibiotics. The median mortality rate across the production cycle was 6%. There was no significant difference in mortality between farms using antibiotics and those not using antibiotics. Biosecurity practices were low, with a median biosecurity score of 14.3/67.9. Univariable screening suggested potential associations between antibiotic use and vaccination of day-old chicks, flock size, cleaning protocol for chicken drinkers, resting period between batches, feed store cleaning, water source, distance from neighbouring farms, and age. However, these were not significant in multivariable logistic regression. Linear regression showed an association between mortality and biosecurity measures, specifically disease management and visitor entry regulation.This study highlights widespread antibiotic use, low biosecurity implementation, and variability in mortality rates in the farms surveyed. There is a gap in farmers' implementation of effective biosecurity measures and understanding of prudent antibiotic use. An urgent need exists to develop comprehensive data collection methodologies, education, and interventions to promote responsible antibiotic stewardship and cost-effective biosecurity practices among poultry farmers in Kenya.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,182
Score d'incertitude au seuil0,516

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,102
Tête enseignante GPT0,390
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Veterinary ResearchMême sujetAquaculture disease management and microbiotaTravaux en français237 207