Prévalence, description et facteurs de risque de l’antibiorésistance dans les fermes québécoises de bovins laitiers
Bibliographic record
Abstract
La résistance aux antimicrobiens (RAM) est un problème de santé publique mondial avec des répercussions importantes en médecine vétérinaire et humaine. Elle est classiquement associée à une surutilisation des antimicrobiens. Les bactéries commensales des animaux et des humains, tel Escherichia coli, sont souvent utilisées comme bactéries indicatrices pour surveiller la RAM. Parmi les mécanismes de résistance de E. coli, la production de β-lactamases à spectre étendue (BLSE) ou de type AmpC est particulièrement inquiétante. Ces enzymes peuvent inactiver une classe d’antimicrobien de très haute importance en santé humaine également utilisée en médecine vétérinaire : les céphalosporines de 3e génération. La prévalence générale de la RAM ainsi que la présence de E. coli producteur de BLSE/AmpC dans les troupeaux laitiers québécois sont inconnues. De plus, la transmission de ces bactéries résistantes et les facteurs de risque associés à leurs excrétions par les bovins laitiers sont actuellement peu documentés. L’objectif général de cette thèse était d’explorer la RAM par une étude transversale observationnelle sur des fermes québécoises de bovins laitiers sélectionnées aléatoirement (n = 101). La première étape du projet constituait à décrire la prévalence de cette RAM pour la bactérie E. coli isolée des matières fécales des animaux (vaches en lactation, veaux pré-sevrage) et de l’environnement (fosse à fumier). La prévalence de RAM observée pour les E. coli indicateurs était faible (<5%) pour les antimicrobiens de très haute importance en médecine humaine (céphalosporines de 3e génération et fluoroquinolones). Cependant, il y avait une prévalence élevée (85%) de fermes avec la présence d’au moins un E. coli producteur de BLSE/AmpC. La RAM était particulièrement importante pour les E. coli isolés chez les veaux pré-sevrage. Pour la deuxième étape, cette RAM était analysée au niveau génétique par le séquençage du génome entier des E. coli les plus résistants. La grande majorité de la RAM (>95%) était expliquée par des mutations ou des gènes de résistance. Certains de ceux-ci étaient à proximité l’un de l’autre et leur configuration laissait supposer qu’une partie de ces gènes étaient présents sur des éléments génétiques mobiles. De plus, il y avait une dissémination clonale de E. coli résistant entre les fermes. La dernière étape constituait à déterminer des facteurs de risque (utilisation des antimicrobiens ou pratiques à la ferme) de la RAM. Grâce à des analyses multivariées utilisant l’intelligence artificielle, il a été possible d’observer des facteurs de risque significatifs associés à la taille de la ferme et à la santé des animaux. Bref, un portrait de la situation de la RAM est maintenant établi dans les troupeaux de bovins laitiers du Québec pour 2017. Il s’agit d’un phénomène complexe qui ne se limite pas simplement à un lien direct avec l’utilisation des antimicrobiens. Ces travaux serviront de bases pour suivre l’évolution temporelle de la RAM. De plus, des études prospectives pourraient être réalisées afin de confirmer les impacts des observations notées dans cette thèse. L’ensemble de ces informations seront déterminantes en vue d’établir des mesures concrètes pour tenter de limiter cette importante problématique.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".