2014–2023年间，中国不同地区的社会经济地位不平等状况影响了抗菌药物耐药性的分布模式：一项基于贝叶斯时空模型的分析

《The Lancet Regional Health - Western Pacific》：Area-level socioeconomic status inequalities shape patterns of antimicrobial resistance in China, 2014–2023: a Bayesian spatiotemporal modelling analysis

本研究基于中国抗生素耐药性监测系统（CARSS）2014-2023年数据，结合社会经济地位指数（CADI和TDI），分析了中国13种耐药菌的空间异质性和驱动因素。结果显示，低社会经济地位地区耐药菌感染率显著更高，与环境污染（PM2.5、污水排放）、医疗资源不足及抗生素过度使用相关，并通过贝叶斯时空交互模型验证了区域差异。提出需在低SES地区加强医疗资源配置和抗生素管理，同时改善环境治理以应对耐药性挑战。

　　本研究聚焦于中国区域层面的社会经济地位（SES）与抗菌药物耐药性（AMR）之间的关系，旨在揭示这一复杂现象背后的驱动因素，并探索未来AMR防控策略的优化路径。AMR已成为全球公共卫生领域面临的重大挑战之一，其对人类健康的影响不仅限于直接的感染风险，还可能通过间接方式导致更高的死亡率。研究指出，全球范围内，AMR的负担在不同地区存在显著差异，尤其是发展中国家和经济欠发达地区，由于医疗资源不足、抗生素使用管理不规范以及环境污染等因素，其AMR风险明显高于经济发达地区。在中国，这一问题尤为突出，其抗生素使用量位居世界前列，且分布不均，导致AMR的地理分布呈现出显著的区域差异。因此，本研究通过整合多维度数据，采用先进的统计方法，系统评估了中国区域SES对AMR的影响，并为制定更具针对性的公共卫生政策提供了重要依据。

### 区域SES与AMR的关联性

研究首次利用两个经过验证的指标——县级区域剥夺指数（CADI）和托纳德剥夺指数（TDI），对中国区域层面的SES进行了量化分析。这两个指标分别从不同维度反映了区域的经济状况、基础设施、教育水平和医疗服务可及性等综合因素。通过分析发现，中国的SES呈现出明显的梯度分布：东部地区SES较高，中部地区处于中等水平，而西部地区SES较低。这种区域间的SES差异与AMR的分布存在高度相关性，尤其是在低SES地区，AMR风险显著增加。研究进一步指出，这种SES与AMR之间的关系并非简单的线性关联，而是受到多种社会、经济和环境因素的共同作用。例如，低SES地区由于缺乏有效的医疗监管和卫生基础设施，容易出现抗生素滥用、卫生条件差以及环境污染等问题，从而加剧AMR的传播和流行。

### AMR的空间与时间分布特征

通过对2014年至2023年间中国全国范围内的AMR数据进行分析，研究发现，AMR的分布呈现出显著的时空异质性。在空间分布上，不同类型的耐药菌表现出不同的聚集模式。例如，CR-Kpn（碳青霉烯类耐药肺炎克雷伯菌）和CtxCroR-Kpn（头孢他啶和氯霉素耐药肺炎克雷伯菌）主要集中在低SES地区，表明这些地区可能存在较高的抗生素使用强度和较差的感染控制措施。而在时间维度上，某些耐药菌如VR-Efm（万古霉素耐药屎肠球菌）在2023年表现出明显的爆发趋势，可能与医院内传播、患者流动以及环境因素密切相关。此外，研究还发现，某些耐药菌如CR-Eco（碳青霉烯类耐药大肠杆菌）和QnR-Eco（喹诺酮类耐药大肠杆菌）在全国范围内表现出高-高聚集模式，而其他类型如MRSA（耐甲氧西林金黄色葡萄球菌）和MRCNS（耐甲氧西林凝固酶阴性葡萄球菌）则在低SES地区显示出较高的风险水平。这些发现表明，AMR的传播不仅受社会经济因素影响，还受到环境条件、医疗资源分布和抗生素使用模式等多方面的共同作用。

### 环境与医疗资源对AMR的影响

研究还发现，环境因素和医疗资源在AMR风险评估中发挥着重要作用。例如，总污水排放量、PM2.5浓度以及每万人中医疗技术人员数量均与AMR风险存在显著关联。这些因素可能通过多种机制影响AMR的传播。首先，污水排放可能携带耐药菌进入自然环境，从而促进耐药菌在环境中生存和扩散。其次，空气污染，尤其是PM2.5，可能通过影响人体免疫系统，间接增加AMR感染的风险。此外，医疗资源的不均衡分布，如医院数量、床位数量以及医疗技术人员的密度，可能影响抗生素的合理使用和感染控制能力，进而对AMR的传播产生深远影响。研究指出，低SES地区由于医疗资源匮乏，可能存在更高的抗生素滥用现象，同时缺乏有效的感染防控措施，从而导致AMR风险显著上升。

### 模型构建与风险预测

为了更准确地预测AMR的时空分布模式，研究团队构建了六种贝叶斯空间-时间模型，最终选择了贝叶斯空间-时间交互层次模型（BSTIHM）作为主要分析工具。BSTIHM模型在评估AMR风险时表现出更高的准确性，能够有效整合时间趋势、地理分布、区域SES差异、医疗资源和环境因素等多维数据。模型结果显示，低SES地区在所有十三种耐药菌的预测风险中均处于较高水平，这进一步验证了区域SES在AMR防控中的关键作用。此外，模型还揭示了不同耐药菌在不同地区的分布特征，为政策制定者提供了重要的参考依据。

### 研究的意义与政策建议

本研究的意义在于，它首次系统地量化了中国区域SES对AMR的影响，并揭示了多种环境和医疗资源因素在AMR传播中的作用。这些发现对于制定更有效的AMR防控策略具有重要意义。首先，应加强低SES地区的医疗基础设施建设，提升诊断和实验室检测能力，以便更早发现和控制耐药菌的传播。其次，推广抗生素合理使用政策，特别是在低SES地区，需要通过严格的处方管理、临床指南和医护人员培训，减少不必要的抗生素使用。第三，应重视环境治理，尤其是污水处理和空气污染控制，以降低耐药菌通过环境途径传播的风险。最后，实现医疗资源的公平分配，包括资金投入和人力资源配置，是缩小不同地区AMR负担差距的关键。这些措施不仅有助于降低AMR的流行，还能促进公共卫生系统的可持续发展。

### 研究的局限性与未来方向

尽管本研究在方法上具有创新性，但仍然存在一些局限性。首先，AMR数据主要以省级为单位进行汇总，缺乏县级层面的详细信息，这可能掩盖了省内更细微的空间差异。其次，研究未能涵盖一些关键变量，如牲畜密度、城乡抗生素使用差异、腐败感知指数以及地方政策执行力度等，这些因素可能对AMR的传播产生重要影响。此外，CARSS数据库中缺乏菌株级别的数据，这限制了对多重耐药菌（MDR）的深入分析。因此，未来的研究需要在数据收集方面进一步完善，尤其是在县级层面的AMR监测和报告体系。同时，建议采用跨学科方法，结合社会学、经济学和环境科学等领域的研究成果，更全面地理解AMR的复杂成因及其与社会经济条件的相互作用。

### 总结

本研究通过整合多维度数据，揭示了中国区域SES与AMR之间的显著关联，并指出了抗生素使用强度、环境因素和医疗资源在AMR传播中的关键作用。研究结果表明，低SES地区面临更高的AMR风险，这可能与资源匮乏、卫生条件差以及抗生素滥用等因素密切相关。因此，针对低SES地区的AMR防控措施应优先考虑加强医疗体系建设、优化抗生素管理政策以及改善环境治理。此外，研究还强调了构建综合性、多维度的AMR监测和防控体系的重要性，以实现更有效的公共卫生干预。这些发现不仅为中国AMR防控提供了科学依据，也为全球AMR治理提供了借鉴。未来的研究应进一步拓展数据来源，采用更精细的分析方法，以更全面地理解AMR的多因素影响，并推动更加精准和有效的公共卫生政策。