利用废水监测来研究美国一个主要城市中心中社区层面抗菌素耐药性的差异

《Applied and Environmental Microbiology》：Using wastewater surveillance to investigate community-level differences in antibacterial resistance in a major urban center, USA

本研究通过分析亚特兰大12个污水区的水样，发现氟喹诺酮和三代头孢菌素耐药肠杆菌的浓度与社区人口学特征（如拥挤居住环境、西班牙裔比例、非裔美国人比例及非英语家庭比例）显著相关。检测到所有样本均携带CTX-M-1基因，而KPC基因虽普遍存在但无法可靠指示碳青霉烯类耐药菌。研究表明污水监测可作为评估社区抗生素耐药性分布的低成本策略，但需进一步验证其与人类感染数据的关联性。

　　抗生素耐药性已经成为全球公共卫生领域日益严峻的挑战之一。根据相关研究，美国每年有近300万人因抗生素耐药（AR）感染而遭受影响，这种现象不仅对医疗系统造成巨大压力，也对社会整体健康构成了威胁。在医疗环境中，抗生素耐药性一直是关注的焦点，但近年来，社区获得性感染中耐药性的增加也引起了广泛讨论。这种趋势使得基于经验的治疗变得更加复杂，因此，了解社区层面的抗生素耐药模式对于制定合理的抗生素使用策略和监测耐药性趋势具有重要意义。然而，传统的医疗数据收集方法存在局限性，例如医疗资源分布不均导致的代表性偏差，以及无法涵盖未接受医疗干预的大量人群。因此，寻找新的监测手段成为当务之急，而污水监测则被提出为一种具有潜力的替代方案。

污水作为一种集合了整个社区生物样本的媒介，为抗生素耐药性监测提供了独特的机会。与传统的临床监测相比，污水监测具有非侵入性、低成本和无偏见等优势，因为它能够反映整个社区中抗生素耐药细菌的存在情况，而不仅仅是那些主动寻求医疗服务的人群。然而，尽管污水监测展现出一定的前景，但其在实际应用中仍面临诸多挑战。例如，污水中的微生物群落主要由环境来源的细菌构成，这些细菌可能携带和交换与临床相关的耐药基因（ARGs），从而影响对人类耐药细菌的准确评估。此外，抗生素耐药细菌在污水处理系统中可能会增殖并形成生物膜，这可能使在污水处理厂（WWTP）层面检测到的ARGs或耐药细菌数量与实际社区水平的估计出现脱节。尽管如此，已有研究表明，污水中耐药细菌的增加趋势与地理匹配的患者群体中的变化趋势相吻合，这支持了污水监测在评估社区层面耐药性模式方面的应用。

本文聚焦于美国亚特兰大都市区，对12个不同污水收集区域（sewershed）的污水样本进行了分析，旨在探讨抗生素耐药细菌和ARGs在污水中的分布情况，并评估这些模式与社区社会人口学特征之间的关系。研究团队在两个季节分别采集了样本，分析了氟喹诺酮类（FQ）耐药肠杆菌、第三代头孢菌素类（3GC）耐药大肠杆菌和克雷伯菌属（KEC）等，同时检测了与耐药性相关的基因，如blaCTX-M-1组和blaKPC。结果显示，FQ-R肠杆菌、3GC-R大肠杆菌和3GC-R KEC在样本中的检出率分别为79%至94%，而耐碳青霉烯类抗生素的大肠杆菌和KEC则未能可靠地检测到。值得注意的是，blaCTX-M-1组基因在所有样本中均被检测到，这表明该基因可能成为污水监测中的一个有用的指标。然而，blaKPC基因的普遍检测并未与耐碳青霉烯类细菌的可靠检测相匹配，这表明它可能不适合作为这些细菌的替代标记。

研究还发现，污水中抗生素耐药细菌的浓度与污水收集区域的社会人口学特征密切相关。例如，居住在拥挤家庭中的比例较高的区域，以及西班牙裔、非西班牙裔亚洲人和在家中使用非英语语言的比例较高的区域，均表现出更高的FQ-R肠杆菌、3GC-R大肠杆菌和KEC的浓度。这些发现提示，污水监测不仅能够提供有关抗生素耐药细菌的流行情况，还能够反映社区层面的健康不平等现象。然而，研究也指出，这些关联可能受到多种因素的影响，包括医疗资源的可及性、社区抗生素使用情况、饮食习惯、近期旅行或移民等因素。因此，进一步的研究需要结合人类数据，以确定污水监测结果是否能准确反映社区中抗生素耐药细菌的分布。

尽管污水监测在识别社区层面抗生素耐药模式方面展现出一定的潜力，但该方法仍面临挑战。例如，污水中的抗生素耐药细菌可能来源于非人类来源，如宠物、野生动物和食物废弃物，这可能影响对人类耐药细菌的准确评估。此外，污水中的耐药细菌可能在输送系统中增殖或通过水平基因转移获得耐药基因，这些因素都可能影响耐药细菌的浓度。尽管如此，已有研究表明，污水中能够检测到临床相关的耐药菌株，并且其耐药性变化趋势与地理匹配的患者群体相吻合，这表明污水监测在评估抗生素耐药性方面具有重要价值。

研究还指出，尽管医院和长期护理设施（LTCFs）是抗生素耐药细菌的重要来源，但在分析中发现它们对污水中耐药细菌浓度的影响接近于零。这可能是因为医院和LTCFs的抗生素使用量在社区中相对较小，或者其对污水中耐药细菌的贡献被其他更广泛的社区因素所掩盖。因此，研究强调，社区层面的抗生素使用情况可能是影响污水中耐药细菌浓度的关键因素。然而，目前关于社区抗生素使用情况的数据较为有限，尤其是在美国，现有的数据库通常仅在县或邮政编码层面报告数据，难以提供更细致的社区层面信息。

此外，研究还讨论了污水监测在方法学上的挑战。例如，污水中抗生素耐药细菌的浓度可能在一天内波动，这与污水收集区域的人口活动模式有关。因此，为了减少这种波动的影响，研究团队采用了24小时、按流量比例的复合样本。然而，对于污水输送线路的样本，由于只能获取抓取样本，这可能影响其代表性。此外，污水收集区域的界定也存在挑战，特别是在城市边界外的区域，研究团队通过插值方法进行了估算，但这种估算方法可能引入一定的误差。同时，污水中可能存在污水处理系统本身的变量，如输送时间、管道材料、电导率以及生物膜的形成，这些因素可能影响耐药细菌的增殖、存活和耐药基因的交换。然而，由于污水收集区域的大小（通过流量估算）是耐药细菌浓度的主要预测因素，因此这些系统变量可能对耐药细菌浓度的影响相对较小。

综上所述，污水监测作为一种低成本的策略，为评估城市人口中的抗生素耐药模式提供了新的视角。然而，要确保污水监测数据能够准确反映社区中的抗生素耐药情况，还需要进一步的研究和验证。特别是，需要将污水监测数据与人类的耐药性数据进行比较，以确定这些数据是否能准确代表社区中抗生素耐药细菌的分布。此外，还需进一步研究社区层面的抗生素使用情况以及社会人口学特征如何影响污水中耐药细菌的浓度。随着技术的进步和数据的积累，污水监测有望成为美国抗生素耐药性监测体系中的重要补充工具。