药物警戒在全球抗生素耐药性监测中的增强作用：基于VigiBase数据库的耐药报告识别与分析

本研究针对抗生素耐药性(ABR)监测的全球性挑战，创新性地利用WHO药物警戒数据库VigiBase，通过标准化MedDRA术语系统识别24,312例疑似耐药报告，证实"Probable"类术语识别准确率达91.5%，揭示了药物警戒数据在补充传统耐药监测、发现社区耐药线索及识别非耐药性治疗失败方面的独特价值，为完善全球耐药监测体系提供了新思路。

　　

抗生素耐药性(ABR)已成为21世纪最严峻的公共卫生挑战之一。据《柳叶刀》最新研究预测，到2050年耐药感染可能导致每年1000万人死亡，超过癌症的致死人数。尽管2015年WHO发布《全球抗菌素耐药性行动计划》要求加强监测，但现实困境依然突出：低收入国家监测能力薄弱，医院数据存在选择偏倚，社区获得性耐药数据严重缺失。更棘手的是，传统微生物监测需要专业实验室支持，而全球约40%的临床抗生素使用缺乏病原学证据。这种"盲用抗生素"现象使得大量潜在耐药病例成为监测盲区。

面对这一困局，乌普萨拉监测中心的研究团队独辟蹊径，将目光投向全球最大的药物不良反应数据库VigiBase。这个覆盖150个国家、包含4000万份报告的宝库，可能隐藏着被常规监测忽略的耐药线索。研究人员设想：能否通过分析医生自发上报的"药物无效"等不良事件，挖掘出潜在的耐药病例？这种创新思路或将打破传统监测的时空局限，特别是为资源匮乏地区提供新的监测手段。

研究团队对截至2022年10月3日的VigiBase数据进行了系统性挖掘。技术路线包含三个关键环节：首先采用ATC分类码J01组识别全身用抗菌药物，结合改良版MedDRA标准化查询术语(SMQ)构建"Probable"（如"病原体耐药"）和"Possible"（如"药物无效"）两组检索策略；其次对3497例"Probable"报告进行全样本人工核查，对20815例"Possible"报告采用随机抽样（n=599）验证；最后通过多变量逻辑回归分析校正国家收入水平、AWaRe抗生素分类等混杂因素。所有病例均按预设标准分为"极可能"、"可能"、"不明确"和"非ABR"四类。

研究结果呈现多个突破性发现。在病例识别方面，"Probable"组展现出惊人的准确性：91.5%的病例被确认为真实耐药（56.6%为"极可能"），其中"病原体耐药"术语的阳性预测值高达96.1%。这证实特定医学术语能有效捕捉耐药信号。耐人寻味的是，"Possible"组虽然准确率降至79.3%，但成功识别出传统监测易忽略的社区病例——这些报告更多来自非专业医务人员（32.0% vs "Probable"组的9.7%），且包含12例来自低收入国家的罕见报告。

数据深度分析揭示三个关键洞见：首先是信息完整性的巨大落差。即便在确认的耐药病例中，抗菌药物敏感性试验(AST)的记载率仅为38.3%（"Probable"组）和7.2%（"Probable"组），而抗生素暴露史记录更不足13%。这凸显自发报告系统的信息碎片化问题。其次是耐药模式的特殊分布。"Probable"组中54.0%涉及WHO"Watch"级抗生素，18.3%为"Reserve"级，显著高于全球消费比例，提示这些关键抗生素的耐药问题可能被低估。最后是治疗失败的多元成因。在"Possible"组发现的463例剂量错误、165例用药依从性差等共报告术语，构建出"耐药假象"的完整图谱。

讨论部分深入剖析了这项研究的双重价值。在方法论层面，研究首次验证了药物警戒数据用于耐药监测的可行性，特别是建立了两组术语的性能参数：精确组("Probable")适合耐药确认，敏感组("Possible")擅长广度筛查。这种分级策略为后续研究提供了标准化工具。在实际应用层面，该体系展现出三大优势：填补社区监测空白、发现非常规耐药线索（如41例文献关联病例）、预警抗生素使用问题。但作者也清醒指出三大局限：AST数据缺失影响结论强度、高收入国家数据主导（88.5%）、文献关联病例可能引入发表偏倚。

这项发表于《International Journal of Infectious Diseases》的研究，为全球抗疫提供了创新工具。正如研究者强调的，当印度学者报告碳青霉烯类耐药率突破60%时，药物警戒网络可能最早捕捉到这种危险信号。未来若能将此系统与GLASS等传统监测对接，并开发自动化的AST数据采集模块，有望构建更灵敏的全球耐药预警网络。在人类与微生物的永恒博弈中，这项研究为我们增添了一件极具想象力的武器。