利用常规抗菌药物耐药性监测数据推动中低收入国家地方和国家行动的实践指南

《JAC-Antimicrobial Resistance》：How to utilize routine antimicrobial resistance surveillance data for local and national actions in an LMIC

本刊推荐：针对中低收入国家（LMICs）医疗机构和政策制定者缺乏抗菌药物耐药性（AMR）监测数据有效利用指南的问题，泰国研究人员通过指导127家二级和三级医院使用自动化监测工具（AMASS），建立了从数据验证、时序比较、医院间对标到聚集信号分析的全流程实施方案，为LMICs将AMR数据转化为具体行动提供了可复用的方法论框架。

　　

在全球公共卫生领域，抗菌药物耐药性（AMR）正以惊人的速度蔓延，世界卫生组织（WHO）为此建立了全球抗菌药物耐药性监测系统（GLASS），试图统一各国数据的收集与分析标准。然而，对于众多中低收入国家（LMICs）而言，一个更为棘手的现实难题浮出水面：即便投入大量资源收集了海量的AMR数据，医疗机构和卫生行政部门却常常不知如何将这些数字转化为切实可行的防控行动。数据在档案室里沉睡，耐药菌却在病房中肆虐，这种脱节现象背后，是数据质量参差不齐、细菌培养检测应用不足导致的潜在偏倚，以及数据解读能力薄弱等多重障碍。

正是在这一背景下，泰国公共卫生部卫生管理司与玛希隆-牛津热带医学研究单元的合作团队，进行了一项极具实践意义的探索。他们的研究成果发表在《JAC-Antimicrobial Resistance》上，详细阐述了如何引导泰国127家公立二级和三级医院，将常规AMR监测数据有效用于从病房到国家的各级决策。这项研究的核心在于，它不仅仅是一套理论指南，更是一套经过大规模实践验证的操作手册。

为了系统化地解决数据利用难题，研究人员推广使用了自动化抗菌药物耐药性监测系统（AMASS）。这是一个离线的开源应用程序，能够直接从医院的原始数据文件中，按照WHO GLASS的分析算法，生成基于菌株和基于样本的报告，并区分社区感染（CO）和医院感染（HO）来源。自2023年起，这127家医院开始使用AMASS每半年向公共卫生部提交一次汇总数据，这些数据被实时整合到国家级的监测仪表板上。

本研究采用的关键技术方法主要包括：1) 应用自动化抗菌药物耐药性监测系统（AMASS）对来自泰国127家二级和三级医院的监测数据进行标准化处理与分析；2) 通过数据验证流程，将软件生成的汇总数据与人工计算的完整菌株列表数据进行交叉核对；3) 利用集成于AMASS和WHONET中的自动化暴发检测系统（如SaTScan）进行聚集信号分析；4) 基于医院级别和床位数量进行系统性对标分析，以识别高负担机构；5) 综合多学科专家意见，制定基于国家监测数据的经验性抗菌治疗指南。

在医疗机构层面的指导

研究为每家医院有效利用其AMR报告提供了五个核心步骤的指导。

1. 1.
   验证数据：强调AMR汇总数据（无论是AMASS、WHONET还是其他软件生成）必须通过与完整菌株列表人工计算的数据进行比对来验证。医院基线特征数据也需要与医院记录交叉核对。需要抗菌药物管理（AMS）和感染预防与控制（IPC）团队等关键利益相关者评估汇总数据的准确性。
2. 2.
   与既往报告比较：要求医院监测各优先AMR病原体（如碳青霉烯耐药鲍曼不动杆菌，CRAB）的所有数量和估计值随时间的变化。研究特别指出，需要关注具有临床显著性的变化，例如，在年入院数和检测数稳定的干床位医院中，医院感染来源的CRAB血流感染（BSI）频率的翻倍增长，即便其构成比保持稳定，也意味着实际病例数的真实增加，需要立即关注。
3. 3.
   与具有相似护理水平和床位数的其他医院比较：鼓励医院即使在小样本量（如<30例）的情况下，也应系统报告所有数据和估计值及其95%置信区间（95% CI）。研究举例说明，当一家医院报告一定数量的病例时，与其他病例数极少的医院进行比较，可以提示潜在的暴发或超地方性流行。
4. 4.
   将聚集信号与IPC团队记录比较：AMR监测报告可能包含由自动化暴发检测系统（AODS） retrospective生成的聚集信号。这些信号与IPC团队的记录可以相互印证，差异则提示需要进一步调查信号的真伪以及现有暴发检测方法是否需要改进。

   
5. 5.
   识别存在医院感染AMR超地方性流行的病房：建议将每年新发生医院感染AMR病例数最多的病房初步视为超地方性流行可疑区域。超地方性流行表现为持续的高发病率，不同于短期的暴发。后续可利用每10万床日感染频率等进行深入调查。

在国家层面的指导

在国家层面，研究提出了五项关键行动指南。

1. 1.
   验证数据并生成国家估计值：国家当局需审查各医院提交的数据以确保准确性，并谨慎选择生成国家估计值的方法（如简单汇总、中位数或加权统计方法）。
2. 2.
   与国家既往报告比较：通过比较国家估计值的变化评估国家干预措施的效果和AMR负担趋势。研究支持利用个体和医院水平数据，采用多种分析方法估算AMR感染相关死亡人数，以追踪2030年将AMR相关死亡减少10%的进展。
3. 3.
   在具有相似条件的机构间进行系统性对标：通过比较医院感染AMR指标，政策制定者可以对医院进行负担分级，优先对高负担医院进行监控和支持，并将低负担医院树为标杆。比较社区感染AMR指标有助于识别高负担地理区域。比较各机构数据的可用性和质量，有助于发现需要针对性干预的问题。
4. 4.
   监测新出现的AMR病原体：国家当局应支持监测新出现的或特殊的AMR表型（如碳青霉烯耐药沙门菌），并在确认后根据国际协议进行报告。
5. 5.
   制定经验性抗菌治疗指南：建议在国家层面制定指南以确保一致性和可靠性，因为单个医院的数据可能因样本量小或治疗失败后采样比例高而产生偏倚。指南的制定需多学科委员会参与，并可针对特定地区或疾病（如流行区类鼻疽的经验性治疗包含头孢他啶）进行调整。

该研究的结论部分强调，这套指南源于泰国的具体实践，其数据可用性、质量及诊断管理实践相对于其他LMICs较好，但实验室信息管理系统（LIMS）和医院信息系统（HIS）的连通性不足，AMS实践仍有局限，且AMR负担沉重。在此背景下，加强监测数据的利用对于评估各级AMR干预措施的效果至关重要。研究者坦承，鉴于LMICs如何利用AMR监测数据采取行动这一挑战仍缺乏研究和证据，本指南基于实践经验而非完全循证，可能无法直接适用于其他LMIC环境。他们鼓励其他LMICs的医院和政策制定者探索、采纳并调整此指南，使其AMR监测数据能够根据自身情况和制约因素得到有效利用。最终，这项研究为破解“有数据无行动”的困局提供了一条清晰、可操作的路径，其核心价值在于将抽象的监测数据与具体的临床管理、感染控制和公共卫生决策紧密相连，推动了AMR防控从被动监测向主动干预的实质性转变。