英格兰抗菌药物耐药性趋势、预测因素及负担：基于临床实践研究数据链的2015-2021年回顾性研究

本研究基于英格兰临床实践研究数据链（CPRD），通过回顾性队列分析（n=1,036,850）揭示抗菌药物耐药性（AMR）的流行病学趋势与医疗负担。结果显示2015-2020年AMR比例增长10%，耐药感染导致患者住院时间延长9.2天、成本增加3,441英镑，且死亡风险显著升高（5年死亡率差异7.3%）。该研究为英国制定AMR防控策略提供了关键循证依据。

　　

抗菌药物耐药性（Antimicrobial Resistance, AMR）已成为全球公共卫生领域的"静默海啸"。随着超级细菌的涌现和传统抗生素的失效，世界卫生组织警告人类可能进入"后抗生素时代"。在英国，每年因AMR导致的直接医疗成本超过1.8亿英镑，但关于其动态趋势和精准医疗负担的研究仍存在数据缺口。这种背景下，由Pfizer公司支持、Health Economics and Outcomes Research Ltd团队开展的本项研究，通过挖掘英格兰国家医疗服务体系（NHS）的临床大数据，为AMR防控提供了关键决策依据。

研究团队采用临床实践研究数据链（Clinical Practice Research Datalink, CPRD）与医院事件统计（Hospital Episode Statistics, HES）的关联数据，构建了2015-2021年间1,036,850例感染患者的回顾性队列。通过ICD-10编码识别耐药感染，运用逻辑回归和极端梯度提升树（XGBoost）算法分析预测因素，并采用1:1倾向评分匹配（78,153对患者）比较AMR与非AMR感染的临床结局差异。主要评估指标包括住院时长、再住院率、医疗成本和加速失效时间模型（Accelerated Failure Time model）分析的生存结局。

【趋势和人口特征】数据显示，2015-2020年英格兰AMR发生率增长10%，COVID-19疫情期间出现短暂下降。老年患者（>65岁）、合并慢性病及近期住院史构成AMR三大高危因素。

【临床与经济负担】匹配分析显示，AMR感染患者平均住院时间延长9.2天（P<0.001），额外增加3,441英镑医疗成本。更触目惊心的是，AMR组1年死亡率绝对值增加3.2%（AF=1.27），意味着耐药感染患者死亡时间提前27%；再住院风险增加7.8%且发生时间提前26%。

【预测模型效能】机器学习模型识别出抗生素使用史（OR=2.31）、留置导管（OR=1.89）和ICU住院（OR=2.17）为最强预测因子，模型AUC达0.81。

这项发表于《International Journal of Antimicrobial Agents》的研究首次量化了AMR对英格兰医疗系统的多维冲击。其核心价值在于：① 证实AMR负担呈持续增长态势，需紧急干预；② 建立可推广的预测模型助力高危患者筛查；③ 为英国政府实施《AMR国家行动计划》提供成本效益分析框架。研究者特别指出，AMR造成的"超额死亡率"可能被现行统计系统低估，建议将耐药性监测纳入医院质量评价体系。尽管存在回顾性研究的固有局限，但百万级真实世界数据仍使该研究成为AMR领域的重要基准文献。