中国抗生素耐药性与空气污染及气候因子的时空关联：一项多变量时空分析研究

本研究针对中国抗生素耐药性（AMR）与空气污染（PM2.5、O3等）及气候因子（温度、湿度等）的关联问题，采用时空加权回归模型（GTWR）开展多变量分析。结果显示PM2.5、O3、年均温度和年降水量主要正向驱动碳青霉烯耐药大肠杆菌（CREC）和肺炎克雷伯菌（CRKP）的耐药率，而SO2、NO2、CO和年均湿度呈负向影响。研究揭示了环境因子对AMR的时空异质性影响，为跨部门协同治理抗生素耐药性提供了科学依据。

　　

抗生素耐药性（Antimicrobial Resistance, AMR）已成为全球公共卫生领域的重大挑战。据估计，2019年全球有495万死亡与AMR相关，其中127万由细菌性AMR直接导致。若不采取紧急行动，到2050年，AMR可能导致全球每年100万亿美元的经济损失和1000万人死亡，其中中国将承担20万亿经济负担和100万死亡风险。在众多耐药菌中，碳青霉烯类耐药大肠杆菌（Carbapenem-resistant Escherichia coli, CREC）和碳青霉烯类耐药肺炎克雷伯菌（Carbapenem-resistant Klebsiella pneumoniae, CRKP）尤为引人关注，它们属于肠杆菌科，是2019年感染相关死亡的前五大病原体，各自导致全球超过50万人死亡。碳青霉烯类药物是治疗多重耐药菌感染的最后一道防线，但其广泛使用加速了CREC和CRKP的出现与传播，世界卫生组织已将其列为重点关注的AMR病原体。

当前，AMR研究正从传统的医学领域扩展到“一体健康”（One Health）框架下，强调人类、动物与环境之间的相互联系。空气污染和气候变化等环境问题可能导致生态系统变化，增加人类与环境界面的交互风险，进而暴露于耐药菌和耐药基因。已有研究表明，气候变化因素（如全球气温上升、降雨事件）和空气污染因素（如PM_2.5）显著影响抗生素耐药性的增加。然而，现有研究对于抗生素耐药性与空气污染因素的关系尚无定论，与气候因子的关联也需进一步验证，且缺乏长期的时空研究。传统统计方法往往忽略数据的时空维度，可能导致结果偏差。因此，有必要考虑时空变化带来的差异。

在此背景下，研究人员开展了针对中国CREC和CRKP耐药率与环境因子关联的多变量时空分析研究，论文发表在《One Health》期刊。该研究旨在：（1）探索CREC和CRKP的时空分布特征；（2）通过空间自相关分析揭示CREC和CRKP的空间聚集性；（3）利用地理时空加权回归模型（Geographically and Temporally Weighted Regression, GTWR）量化抗生素耐药率与环境因子之间的时空联系。

为开展研究，作者整合了多源数据。耐药率数据来自2014–2022年中国抗菌药物耐药监测系统（CARSS），覆盖30个省份，包含4,928,509株细菌样本，其中大肠杆菌（29.1%）和肺炎克雷伯菌（21.2%）是最常分离的革兰氏阴性菌。空气污染数据（PM_2.5、PM₁₀、O₃、SO₂、NO₂、CO）和气候数据（年均温度、年降水量、年均湿度）来自《中国统计年鉴》，地理信息来自国家测绘地理信息局。研究采用GTWR模型分析环境因子对耐药率的时空异质性影响，并辅以空间自相关分析和敏感性分析验证结果稳健性。

3.1. 时空分布

2014–2022年间，CREC检出率中位数始终低于2%，2014年为1.5%，2018年降至1.2%，但近年有所回升，2022年达1.4%。相反，CRKP检出率持续上升，中位数从2014年的4.3%增至2022年的9.3%。空间上，CREC率高值区最初集中在黑龙江、湖南、江西、安徽和山东，但2018年后普遍下降；总体呈现东部高于西部、北部高于南部的格局。CRKP率在南方和新疆持续较高。趋势分析显示，CREC和CRKP率在东西方向呈上升趋势，南北方向呈倒U型分布，中部地区耐药率最高。

3.2. 全局空间相关模式

2014–2022年，CREC和CRKP的全局莫兰指数（Global Moran's I）均显示显著的空间聚集性。CREC的莫兰指数从2016年的0.301显著上升至2022年的0.49，表明空间聚集程度增强。CRKP也呈现持续的空间正相关。

3.3. 局部空间相关模式

局部莫兰分析显示，CREC和CRKP存在高-高和低-低聚集。2022年，CREC的高-高聚集区包括天津、河北和山东，低-低聚集区集中在新疆、甘肃、四川、宁夏和陕西。CRKP的高-高聚集区包括浙江，低-低聚集区包括新疆、甘肃、宁夏和内蒙古。

3.4. 影响CREC和CRKP率的因素

GTWR模型结果显示，PM_2.5、O₃、年均温度和年降水量主要对CREC和CRKP率产生正向影响，平均系数分别为0.00679、0.03028、0.02749和0.00045。SO₂、NO₂、CO和年均湿度主要产生负向影响，平均系数分别为-0.01399、-0.01941、-0.09188和-0.02225。

3.4.1. 时间异质性

PM_2.5和O₃与CREC率呈稳定正相关；SO₂、NO₂和CO呈负相关，其中SO₂的影响先降后升，NO₂的影响稳步下降，CO的影响相对稳定。对CRKP，PM_2.5呈持续上升的正向影响，SO₂和CO呈负相关，NO₂的影响由负转正，O₃由正转负。气候因子方面，年均温度和年降水量与CREC和CRKP率正相关，但温度的影响逐渐减弱；年均湿度呈负相关，且影响逐渐减弱。

3.4.2. 空间异质性

PM_2.5和O₃对CREC和CRKP率在多数地区呈正相关，但PM_2.5在东北地区对CRKP呈负相关。SO₂和NO₂主要呈负相关，但SO₂在东北对CRKP呈正相关。CO在黑龙江、吉林和西部对CREC呈正相关，在东部和中部呈负相关。年均温度在多数地区增加CREC率，但在华东地区呈负相关；年降水量增加CREC率，尤其在华北和华中；年均湿度在华中及东南沿海呈负相关。对CRKP，年均温度在华北、东北和西北呈正效应，在华东和中南主要呈负效应；年降水量在西部、中部和南部呈正相关，在东北和东部沿海呈负相关；年均湿度呈负相关，且由北向南逐渐增强。

3.4.3. 敏感性分析

纳入社会经济变量后，部分环境因子的显著性发生变化，但影响方向与GTWR模型结果一致，表明结果总体稳健。

研究结论表明，空气污染和气候因子与抗生素耐药性存在显著关联，且具有时空异质性。PM_2.5和O₃主要正向驱动CREC和CRKP耐药率，而SO₂、NO₂和CO可能抑制耐药率。气候因子中，年均湿度负向影响耐药率，年均温度和年降水量正向影响耐药率。CREC和CRKP呈现明显的空间聚集性，高-高和低-低聚集模式显著。趋势上，东西方向耐药率上升，南北方向呈倒U型分布，CRKP率随时间持续上升。

讨论部分强调，从“一体健康”视角看，AMR、空气污染和气候变化之间存在复杂联系。空气污染和气候变化可能通过人类、动物和环境相关活动影响AMR。公共卫生、气象、环保等部门需开展跨部门合作，加强对耐药率高值区的监测和干预，尤其是东部和中部地区。同时，应将PM_2.5、O₃作为主要空气污染物进行区域协同治理，并将温度、降雨等气候变化条件纳入抗生素耐药性治理的综合监测框架。

该研究首次采用GTWR模型揭示了环境因子对中国抗生素耐药性的时空影响，为制定针对性干预措施提供了科学依据。未来研究需整合抗生素使用、社会经济指标和医疗政策等多源数据，采用更复杂的模型解析各因素间的交互作用，并在更小尺度上验证结果的稳健性。