Bibliographic record
Abstract
La propagation de souches de bactéries résistantes aux antibiotiques multiplie les situations d’impasse thérapeutique, et entraîne des dizaines de milliers de décès humains par an. Cette dramatique progression est essentiellement liée aux mauvais usages, tant chez l’homme que chez les animaux. Il a été graduellement démontré que les bactéries – humaines et animales – peuvent se transférer leurs résistances lorsqu’elles entrent en contact. L’antibiorésistance animale peut donc alimenter l’antibiorésistance humaine, et vice versa ; ainsi, un débat public est apparu. Dans ce contexte, l’objectif de cet article est d’analyser l’histoire, politique et scientifique, de l’antibiorésistance animale en Europe, des premières découvertes aux dernières décisions, à partir de travaux de microbiologie, de bactériologie, de sociologie des problèmes publics et d’anthropologie des connaissances. L’hypothèse initiale – d’un lien entre les premières mises aux agendas et les connaissances produites – est partiellement confirmée. Des relations entre des avancées scientifiques et des évolutions de la gestion politique des risques sont mises en relief, mais une agrégation d’acteurs – agriculteurs, vétérinaires, industriels pharmaceutiques – et un enchevêtrement de facteurs complexifient le problème. En somme, deux basculements majeurs ont été identifiés dans la politisation du problème – le rapport Swann et, plus indirectement, la crise de la « vache folle » –, suivis d’une diversification des modes de gestion des risques. La participation des acteurs est favorisée, et c’est à double tranchant : experts et décideurs se rapprochent des réalités de terrain, mais aussi de l’influence des acteurs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.017 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.010 |
| Scholarly communication | 0.009 | 0.009 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.005 | 0.005 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".