Effet des épandages de lisier de porc et du travail du sol sur la présence de gènes de résistance aux antimicrobiens dans le sol et l’eau de drainage en grandes cultures
Bibliographic record
Abstract
Les pratiques agricoles peuvent participer à la propagation des gènes de résistances aux antimicrobiens (GRAs) dans l’environnement. En effet, les épandages de lisier de porc introduisent des microorganismes résistants aux antimicrobiens dans le sol. Cette étude a permis d’évaluer l'impact d’épandages répétés de lisier de porc et du travail du sol sur la présence de GRAs dans le sol et l'eau de drainage en grandes cultures. Les bactéries Escherichia coli et entérocoques ont été dénombrées. Après l’extraction d'ADN, les gènes de résistance tet(T), sul1 et blaCTX-M-1 ont été quantifiés par qPCR. La détection des gènes mcr-1 et mcr-2 a été réalisée par PCR conventionnelle. D’après les résultats obtenus, l’épandage du lisier de porc à une dose élevée (45m3/ha) a eu un impact à long terme sur l’abondances des gènes tet(T) et sul1 dans le sol. Une dose plus faible (20m3/ha) a eu un impact à court terme. L’abondance des gènes sul1 dans l’eau de drainage a significativement diminué 15 jours après l’épandage comparé à 169 jours pour les gènes tet(T). Le travail du sol n’a pas eu d’impact sur la présence et l’abondance des GRAs dans les échantillons. Les gènes blaCTX-M-1 ont été détectés dans le lisier et dans 7 échantillons d'eau, mais aucun lien n’a été établi avec les traitements. Les gènes mcr-1 et mcr-2 n'ont pas été détectés. Ce projet a permis de démontrer que le réservoir des gènes de résistance à la tétracycline et aux sulfamides dans le sol peut être augmenté après l’épandage répété de lisier à dose élevée.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".