MétaCan
Menu
← Retour à la cohorte
Enregistrement W4417526253 · doi:10.1038/s41598-025-32629-z

Enhancing surveillance of antimicrobial resistant organisms in British Columbia through community-level wastewater testing

2025· article· en· W4417526253 sur OpenAlexafffundabout
Sarah Mansour, Jennifer Kopetzky, Shannon Russell, Farida Bishay, Benjamin Hon, Natalie Prystajecky, Linda Hoang

Notice bibliographique

RevueScientific Reports · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAntibiotic Resistance in Bacteria
Établissements canadiensCapital Regional DistrictUniversity of British ColumbiaBC Centre for Disease Control
Organismes subventionnairesBritish Columbia Centre for Disease Control
Mots-clésWastewaterAntibiotic resistanceAntimicrobialAntimicrobial stewardshipSewage treatmentResistance (ecology)

Résumé

récupéré en direct d'OpenAlex

Antimicrobial resistance (AMR) is a global health challenge, with carbapenemase-producing organisms (CPOs) posing a significant concern in British Columbia, Canada. Traditional surveillance focuses on hospital-associated data, overlooking community-level trends. Monitoring carbapenemase genes in communities can provide early insights into resistance trends and support antimicrobial stewardship efforts. This study employs wastewater surveillance to track antimicrobial resistance genes (ARGs) at the community level. Four ARGs, blaNDM, blaKPC, blaOXA−48, and mcr-1, were detected and quantified in wastewater samples from five treatment plants across British Columbia. The results revealed year-round ARG presence in wastewater, with blaOXA−48 being the most prevalent, followed by blaNDM, blaKPC, and mcr-1. Seasonal fluctuations were observed, with most ARGs peaking in the winter and spring, a trend not reflected in clinical data. Notably, mcr-1 was detected in wastewater despite its limited clinical presence. These results highlight the value of integrating wastewater surveillance with traditional methods to enhance AMR monitoring.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,047
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,245
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetAntibiotic Resistance in Bacteria→Travaux en français237 207→