MétaCan
Menu
← Retour à la cohorte
Enregistrement W6940337243 · doi:10.6084/m9.figshare.c.5850947.v1

A multivariable analysis of the contribution of socioeconomic and environmental factors to blood culture Escherichia Coli resistant to fluoroquinolones in high- and middle-income countries

2022· other· en· W6940337243 sur OpenAlexaff

Notice bibliographique

RevueFigshare · 2022
Typeother
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMycorrhizal Fungi and Plant Interactions
Établissements canadiensWomen's Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésSanitationSocioeconomic statusContext (archaeology)Public healthLivestockConsumption (sociology)UnivariateBlood culture

Résumé

récupéré en direct d'OpenAlex

Abstract Background Antimicrobial resistance (AMR) is a public health concern. We wanted to determine if various environmental and socioeconomic variables as well as markers of antimicrobial use impacted on the level of AMR in countries of different income levels. Methods We performed cross-national univariate and multivariable analyses using the national proportion of quinolone-resistant Escherichia coli (QREC) in blood culture as the dependent variable. Access to safe water and sanitation, other socioeconomic variables, and human and animal antimicrobial consumption were analysed. Results In middle-income countries, unsafely managed sanitation, corruption and healthcare access and quality were significantly associated with the national proportion of blood culture QREC (%) in univariate analyses, whereas no variables remained significant in the multivariable models. For the multivariable high-income country model, corruption and healthcare access and quality were significantly associated with blood culture QREC (%) levels. For the model including all countries, human fluoroquinolone use, corruption level, livestock and crop production index were significantly associated with blood culture QREC (%) levels in the univariate analyses. Conclusion Corruption is a strong predictor of AMR, likely reflecting a multitude of socioeconomic factors. Sanitation quality contributed to increased blood culture QREC (%) levels in middle-income countries, although was not an independent factor, highlighting the need to also focus on infrastructure such as sanitation services in the context of AMR.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,008
Tête enseignante GPT0,189
Écart entre enseignants0,181 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetMycorrhizal Fungi and Plant Interactions→Travaux en français237 207→