The Lancet Planetary Health：健康、营养和社会经济变量与全球抗菌素耐药性的关联

抗菌素在治疗细菌感染方面起着重要作用。然而，抗菌素耐药性的发展给全球经济和医疗保健系统带来了越来越大的风险和巨大的成本。目前对抗菌素耐药性细菌感染的经济负担估计在欧盟为每年为15亿欧元，在美国为550亿美元，估计有1270万人死亡直接归因于抗菌素耐药性。如果找不到减少抗菌素耐药性选择和传播的方法，这些数字将继续增加。

抗菌素耐药性的增加主要归因于抗菌素的使用。虽然抗菌素的使用可能是抗菌素耐药性的主要选择因素，但最近的研究表明，使用抗菌素的生态背景——即不同的社会经济、人类学、发展、环境、健康和营养因素——可能与抗菌素耐药性的增加有关并预测。

这些生态预测因素在国家和地区之间的相对重要性尚不清楚。在之前的一项研究中发现欧洲、北美和大洋洲以及非洲、亚洲和南美洲的抗菌素耐药基因（ARGs）的丰度和多样性存在系统性差异。研究人员和其他人已经表明，全球污水收集，然后进行元基因组分析，是获得许多地点和国家可比抗性数据的有力方法。使用污水可以及时捕获来自更广泛社区的信息，包括难以到达的健康人群，尽管法律和道德情况多种多样，除非采样和共享与人类相关的样本。

2023年11月6日发表在The Lancet Planetary Health的研究，分析了一个国家和抗菌剂类别特定水平的全球污水抵抗体（来自101个国家的757个样本）与社会经济因素之间的关系。此外，研究人员计算了从2016年1月1日至2019年12月31日的全球人类抗菌素使用数据集，并用它来测试抗菌素使用与ARG丰度之间的联系。本文还将预测与来自56个国家的8个抗菌类和12个属的中央数据库的临床数据进行了比较。

本文使用了世界银行数据集的1547个变量，包括社会经济、发展、健康和营养指标；来自全球污水研究（丰富的抗菌素耐药基因[ARGs]）的数据；以及从ECDC数据库和IQVIA数据库中计算的抗菌剂使用数据。我们表征并构建了在抗菌类水平上预测全球抵抗体的模型。

研究人员使用广义线性混合效应模型来估计污水样本中抗菌素使用和ARG丰度之间的联系；多变量随机森林模型为每个抗菌素耐药性类别建立预测模型，并选择ARG丰度最重要的变量；逻辑回归模型测试预测的国家级抗菌素耐药丰度与国家级临床耐药细菌分离株比例之间的联系；有限混合模型用于调查ARG丰度的地理异质性；以及多变量有限混合与协变量的混合模型，以研究异质性对最重要的变量和在不同国家子群中观察到的ARG丰度。研究人员将本文的预测与来自56个国家的8个抗菌类别和12个属的SENTRY抗菌监测计划的现有临床表型数据进行了比较。

研究结果显示，使用2016年1月1日至2019年12月31日期间的抗菌素使用数据，本文发现抗菌素使用与全球污水中的ARG丰度没有显著关联（p=0·72；发病率比率1·02[95%CI 0·92–1·13]），而特定国家的世界银行变量解释了大量变化。世界银行变量的重要性因抗菌类别和国家而异。

预测的全球总抗菌素耐药性丰度

一般来说，估计的全球ARG丰度与临床表型耐药性的流行率呈正相关，与人类肠道中的细菌群有很强的关联。细菌组和ARG丰度之间的关联是阳性的，与零显著不同：氨基糖苷（测试的四个分类群中的三个）、β-内酰胺（所有六个微生物组）、氟喹诺酮（九个微生物组中的七个）、糖肽（测试的一个微生物组）、叶酸途径拮抗剂（五个微生物组中的四个）和四环素（九个微生物组中的两个）。

综上所述，污水的元基因组分析是监测所有病原体抗菌素耐药性，可以更自然地监测与人类肠道相关的细菌群的抗菌素耐药性。使用世界银行的社会经济数据，可以重现地预测抗菌素耐药性的丰度。重要的是，与抗菌素耐药性相关的解释变量的相关性程度因国家和抗菌素类别而异。

未来关于改善抗菌素耐药性情况的干预措施的研究应考虑到，这些因素与抗菌素耐药性之间的联系因国家和抗菌素类别而异。这项研究表明，缓解措施和微生物抗药性的关联可能因这些因素之间的国别直接和间接相互作用而大不相同。

原始出处

Njage, P. M. K., van Bunnik, B., Munk, P., Marques, A. R. P., & Aarestrup, F. M. (2023). Association of health, nutrition, and socioeconomic variables with global antimicrobial resistance: a modelling study. The Lancet Planetary Health, 7(11), e888-e899.