《One Health》：Environmental, socioeconomic, and livestock-related factors associated with antibiotic resistance in
Escherichia coli,
Shigella spp., and
Salmonella enterica: A global One Health analysis
编辑推荐：
中文摘要翻译
抗生素耐药性（ABR）是一项重大的全球健康威胁。除临床上的不合理使用外，其产生与持续存在还受到人类、动物和环境之间复杂交互作用的影响，亟需采用“One Health”（全健康）视角加以审视。为探究上述动态机制，研究人员开展了一项生态学研究，利用N
中文摘要翻译
抗生素耐药性（ABR）是一项重大的全球健康威胁。除临床上的不合理使用外，其产生与持续存在还受到人类、动物和环境之间复杂交互作用的影响，亟需采用“One Health”（全健康）视角加以审视。为探究上述动态机制，研究人员开展了一项生态学研究，利用NCBI病原体检测数据库，对2003—2018年间来自102个国家的人类、动物及环境来源的397,103株大肠杆菌（Escherichia coli）、志贺菌属（Shigella spp.）及肠道沙门菌（Salmonella enterica）分离株进行了分析。基于细菌基因组中相应抗生素耐药基因（ARGs）的存在情况，研究人员对七大类主要抗生素（四环素类、磺胺类、甲氧苄啶、酰胺醇类、氨基糖苷类、β-内酰胺类及头孢菌素类）的基因型推断耐药性（GI-AR）进行了判定。研究人员采用混合效应负二项模型，在全部来源及按来源分层（人类、动物、环境）的分离株中，检验了基因型推断耐药性与社会经济、环境及畜牧业相关因素之间的关联。研究结果揭示了物种特异性的关联模式：大肠杆菌和志贺菌属的基因型推断耐药性主要与人为因素相关，如低收入（如四环素类PRR；95% CI：0.62；0.49–0.79）、高人口密度及PM2.5暴露（如β-内酰胺类PRR；95% CI：1.39；1.11–1.74）；相比之下，肠道沙门菌的耐药性主要与环境及畜牧业相关因素有关，包括较温暖的气候（如磺胺类PRR；95% CI：1.92；0.96–3.85）、PM2.5暴露（如四环素类PRR；95% CI：1.65；0.98–2.76）及高家禽密度（如氨基糖苷类PRR；95% CI：1.78；1.14–2.78）。上述发现凸显了应对ABR时采用“One Health”方法的必要性，即整合人类、动物与环境数据，以捕捉相互关联生态系统中物种特异性的关联模式。
论文解读
一、研究背景与问题
抗生素耐药性（Antibiotic Resistance, ABR）已被世界卫生组织列为全球重大健康威胁之一。2019年的估计显示，全球有127万人死亡直接归因于ABR。长期以来，临床中抗生素的滥用和过度使用被视为耐药性产生的主要驱动因素，然而耐药性的产生与传播具有更为复杂的生态学特征，不能仅局限于医疗机构场景加以考量。抗生素在人类医学中广泛使用的同时，也被大量应用于植物生产和食用动物养殖，用于治疗感染、预防疾病及促进生长，由此对细菌群体施加选择性压力，促使携带抗生素耐药基因（Antibiotic Resistance Genes, ARGs）的耐药菌株不断出现。这些耐药菌可经食物链传播，并随粪便和废弃物进入环境。此外，农业、水产养殖以及污水处理厂等环境中的选择性压力进一步促进了耐药性在生态系统间的扩散。
环境因素同样被认为影响耐药性动态。温度是细菌生长的关键因素，并可影响细菌间的基因水平转移；已有生态学研究观察到温度与多国耐药率升高之间的关联。空气污染物如细颗粒物（PM2.5）可作为耐药菌和ARGs的载体，促进其长距离传播并在各类环境中沉降。PM2.5污染还可作为城市化、工业活动和环境卫生状况的综合代理指标，而这些因素均影响耐药性动态。
尽管既往生态学研究已将表型抗生素耐药性与温度、国内生产总值（GDP）和旅游业等环境及社会经济因素联系起来，但畜牧业相关驱动因素的贡献极少被纳入考量。因此，亟需一项整合人类、动物和环境数据的综合性研究，以全面揭示耐药性传播的驱动因素。
二、研究内容与结论
本研究采用“One Health”（全健康）方法，利用NCBI病原体检测数据库，分析了2003—2018年间来自102个国家的397,103株大肠杆菌（Escherichia coli）与志贺菌属（Shigella spp.）及肠道沙门菌（Salmonella enterica）分离株。研究人员基于细菌基因组中ARGs的存在情况，对七大类主要抗生素（四环素类、磺胺类、甲氧苄啶、酰胺醇类、氨基糖苷类、β-内酰胺类及头孢菌素类）的基因型推断耐药性（Genotypically-Inferred Antibiotic Resistance, GI-AR）进行了判定，并采用混合效应负二项模型检验了社会经济、环境及畜牧业相关因素与耐药性之间的关联。
研究结果揭示了物种特异性的关联模式：大肠杆菌和志贺菌属的耐药性主要与人为因素相关，如低收入、高人口密度和PM2.5暴露；而肠道沙门菌的耐药性则主要与环境及畜牧业因素相关，包括较温暖的气候、PM2.5暴露和高家禽密度。这一发现强调了应对ABR时采用“One Health”方法的必要性，即整合人类、动物和环境数据，以捕捉相互关联生态系统中物种特异性的关联模式。
三、主要技术方法
研究人员采用的关键技术方法包括：其一，利用NCBI病原体检测数据库获取全球细菌分离株的基因组数据和元数据，涵盖物种、国家、年份、分离来源及检出的耐药基因信息；其二，通过将检出的耐药基因与NCBI参考基因目录（版本2025-07-16.1）中对应的抗生素类别进行关联，构建每个分离株对特定抗生素类别耐药性的二元结局变量，仅保留注释为完整的基因；其三，依据分离来源将分离株分为人类、动物和环境三类，并在国家—年份层面进行聚合；其四，采用广义线性混合效应负二项回归模型，以耐药分离株计数为结局、总分离株数的自然对数为偏移项，纳入国家和年份随机效应，估计患病率比（Prevalence Rate Ratio, PRR）；其五，将所有连续协变量按四分位数分类，以应对潜在的非线性关系。此外，研究还进行了按来源分层的分析和敏感性分析（限制为分离株数>20的国家—年份观测），并采用Benjamini–Hochberg程序进行错误发现率（False Discovery Rate, FDR）校正。
四、研究结果
物种特异性关联模式。 通过分别对大肠杆菌/志贺菌属和肠道沙门菌建立混合效应负二项模型，研究发现两类细菌的耐药性关联因素存在显著差异。大肠杆菌和志贺菌属的基因型推断耐药性主要与人为因素相关，包括低收入（如四环素类PRR；95% CI：0.62；0.49–0.79）、高人口密度和PM2.5暴露（如β-内酰胺类PRR；95% CI：1.39；1.11–1.74）。相比之下，肠道沙门菌的耐药性主要与环境及畜牧业相关因素有关，包括较温暖的气候（如磺胺类PRR；95% CI：1.92；0.96–3.85）、PM2.5暴露（如四环素类PRR；95% CI：1.65；0.98–2.76）及高家禽密度（如氨基糖苷类PRR；95% CI：1.78；1.14–2.78）。
来源分层分析。 按人类、动物和环境来源分别进行分层分析后，上述物种特异性的关联模式在不同来源中呈现出相应差异，进一步支持了不同生态位中耐药性驱动因素的异质性。
敏感性分析。 将分析限制为分离株数超过20的国家—年份观测后，主要关联的估计值保持稳健，表明研究结果对样本量阈值的选择不敏感。
五、讨论与结论
研究人员在讨论部分指出，本研究的结果凸显了不同细菌物种耐药性驱动因素的差异性：大肠杆菌和志贺菌属的耐药性更多受人为因素驱动，而肠道沙门菌的耐药性则更多受环境和畜牧业因素影响。这一发现对于制定针对性的耐药性防控策略具有重要意义——不同细菌物种可能需要不同的干预重点。例如，针对大肠杆菌和志贺菌属，改善低收入国家的卫生条件和减少空气污染可能更为关键；而针对肠道沙门菌，控制畜牧业密度尤其是家禽养殖密度，以及应对气候变暖的影响则更为重要。
研究结论指出，应对抗生素耐药性需要采用“One Health”方法，整合人类、动物和环境数据，以捕捉相互关联生态系统中物种特异性的关联模式。该研究为理解全球范围内抗生素耐药性传播的复杂驱动因素提供了重要的生态学证据，也为制定差异化的耐药性治理策略提供了科学依据。
