MétaCan
Menu
Retour à la cohorte
Enregistrement W7132011356

Use of antibiotics in companion animals

2016· article· de· W7132011356 sur OpenAlexaboutno aff
A. Böttner, M. Fehr, Andrea T. Feßler, H. M. Hafez, M. Kaske, H. Kaspar, C. Kehrenberg, M. Kietzmann, D. Klarmann, G. J. Klein, T. Peters, A. Richter, C. Schwarz, Stefan Schwarz, C. Sigge, B. Stephan, K. H. Waldmann, J. Wallmann, C. Werckenthin

Notice bibliographique

RevueOpenAgrar · 2016
Typearticle
Languede
DomaineMedicine
ThématiqueAntibiotics Pharmacokinetics and Efficacy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAntibioticsAnimal healthLabrador Retriever
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Der Arbeitskreis „Antibiotikaresistenz“ der Deutschen Veterinärmedizinischen Gesellschaft e. V. hat unter dem Thema „Anwendung von Antibiotika bei Kleintieren“ verschiedene Aspekte dieses Themenkomplexes näher beleuchtet. In einer Einleitung wird die Rolle von Kleintieren in Deutschland aus einer statistischen Sichtweise beschrieben. Anschließend werden zunächst die arzneimittelrechtlichen Vorgaben und Leitlinien erläutert, die den rechtlichen Rahmen für den Einsatz antimikrobieller Wirkstoffe bei Kleintieren darstellen. Die pharmakologischen Eigenschaften der wichtigsten für Hund und Katze zugelassenen Wirkstoffe werden in einer Übersicht dargestellt und beschrieben. Diese stellen eine wesentliche Grundlage für die Auswahl des im Einzelfall einzusetzenden Antibiotikums dar. Die neuesten Daten aus dem Nationalen Resistenzmonitoringprogramm GERM-Vet geben wichtige Informationen zur Empfindlichkeitslage der an Infektionsprozessen von Hunden und Katzen beteiligten bakteriellen Erreger in Deutschland. Die Antibiotikatherapie besonders schwieriger Erreger wird in dem Abschnitt zu Problemkeimen bei Hund und Katze beschrieben. Im abschließenden Kapitel zum Antibiotikamanagement in der Kleintierpraxis werden die im Rahmen eines Therapieplans vor der Antibiotikatherapie zu berücksichtigenden Entscheidungsprozesse erläutert und näher beschrieben.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,199
Score d'incertitude au seuil0,928

Scores Codex et Gemma par catégorie

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

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 Opus0,067
Tête enseignante GPT0,316
Écart entre enseignants0,249 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpenAgrarMême sujetAntibiotics Pharmacokinetics and EfficacyTravaux en français237 207