MétaCan
Menu
← Retour à la cohorte
Enregistrement W7077146118 · doi:10.5281/zenodo.15676385

Antibiotic resistant bacteria in ready-to-eat meat products from Switzerland

2025· dataset· en· W7077146118 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typedataset
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensSociété Québécoise de Néphrologie
Organismes subventionnairesnon disponible
Mots-clésAntibiotic resistanceAntibioticsStaphylococcus aureusContext (archaeology)Mobile genetic elementsColistinBacteriaMultiple drug resistance

Résumé

récupéré en direct d'OpenAlex

This dataset supports a study investigating the prevalence and characteristics of antibiotic-resistant bacteria in ready-to-eat meat products from Switzerland. With antimicrobial resistance remaining a major global health concern—particularly in the context of intensive livestock production—this study examines ready-to-eat meat products as potential reservoirs for antibiotic resistant bacteria. A total of 804 ready-to-eat meat products were collected from butcheries across Switzerland. Selective culture methods were used to isolate presumptive antibiotic-resistant bacteria, specifically targeting vancomycin-resistant Enterococci (VRE), extended-spectrum beta-lactamase-producing Enterobacterales (ESBL), carbapenem-resistant Enterobacterales (CRE), and methicillin-resistant Staphylococcus aureus (MRSA). The "phenotypic resistance dataset" contains antibiotic susceptibility testing results for the isolates, performed using broth microdilution. It reports minimum inhibitory concentration (MIC) values for up to 31 antibiotics (Enterobacterales) or 24 antibiotics (Enterococci). Colistin resistance was assessed separately using the drop test. The dataset also includes multidrug resistance classifications (e.g., MDR index). The "resistance gene and mobile genetic element annotations" include resistance genes identified via AMRFinder Plus, classified by antibiotic class (e.g., beta-lactams, cephalosporins, carbapenems, metals). Mobile genetic elements were identified using MobileElementFinder, and plasmid typing was performed using MOB-suite. The "ARG localization dataset" categorizes resistance genes based on their genomic location—plasmid, chromosome, or phage—using SourceFinder. Key findings from the dataset include the recovery of 177 antibiotic-resistant bacterial isolates, of which 148 were multidrug-resistant (resistant to ≥3 antibiotic classes). These included third-generation cephalosporin-resistant Enterobacterales, vancomycin-resistant Enterococci, and one methicillin-resistant Staphylococcus aureus (MRSA). All isolates remained susceptible to critical last-resort antibiotics such as carbapenems and colistin. Whole genome sequencing of 31 representative isolates revealed 164 unique resistance genes across 25 resistance classes, including those conferring resistance to beta-lactams, cephalosporins, tetracyclines, and macrolides. Co-selection factors such as metal resistance genes were also identified. Most ARGs were chromosomally encoded, though several were plasmid-borne, indicating potential for horizontal gene transfer. The dataset includes isolate metadata, phenotypic resistance profiles, and annotated resistance gene information. Sequencing data (both short- and long-read) are available via the National Center for Biotechnology Information (NCBI).

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,025
Tête enseignante GPT0,233
Écart entre enseignants0,208 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetGeochemistry and Geologic Mapping→Travaux en français237 207→