《Applied and Environmental Microbiology》：Local temperature and humidity are associated with proportion of antimicrobial-resistant Escherichia coli isolates in farm environments: considerations for on-farm surveillance
编辑推荐：
证据提示，局部温度升高与环境细菌抗菌药物耐药（antimicrobial resistance, AMR）流行率升高相关。本观察性队列研究利用来自英格兰53个奶牛场的2,766份农场环境样本，探讨局部气候与分离的抗菌药物耐药Escherichia coli比例
证据提示，局部温度升高与环境细菌抗菌药物耐药（antimicrobial resistance, AMR）流行率升高相关。本观察性队列研究利用来自英格兰53个奶牛场的2,766份农场环境样本，探讨局部气候与分离的抗菌药物耐药Escherichia coli比例之间的关联。研究人员采用非线性贝叶斯模型，该模型校正了低E. coli丰度下检测敏感性下降的问题，以根据菌落计数数据估计抗菌药物耐药E. coli比例。局部温度升高20°C与链霉素耐药E. coli比例增加5.0倍相关（95%可信区间[credible interval, CI]：1.03–33.0；绝对增加：0.2%，95% CI：2.3 × 10?3%–1.2%）。较弱的证据提示，温度升高与四环素耐药E. coli比例增加相关。相对湿度升高与阿莫西林、链霉素和四环素耐药E. coli比例增加相关。相对湿度增加32%（从60%至92%）与阿莫西林耐药E. coli比例增加4.7倍相关（中位数；95% CI：1.4–15.7；绝对增加：1.3%，95% CI：0.2%–3.5%）。对于阿莫西林和链霉素，观察到温度和湿度同时升高与抗菌药物耐药E. coli比例增加相关的协同效应；对四环素观察到该效应的弱证据。这些发现强调了在牲畜AMR监测中考虑天气条件、样本特征和季节性的重要性。局部天气条件与牲畜E. coli呈现AMR的比例之间的关联提示，气候变化可能影响One Health AMR负担。重要性：理解环境条件如何与AMR流行率变异相关，对于建立稳健的牲畜AMR监测和预测气候变化的潜在影响至关重要。研究人员开发的非线性贝叶斯建模方法校正了E. coli丰度相关的检测敏感性变异，使与样本内抗菌药物耐药E. coli比例相关的风险因素的影响能够被更准确估计。将该方法应用于英格兰西南部53个奶牛场的2,766份粪便样本表明，抗菌药物耐药E. coli比例在更温暖和更潮湿条件下总体增加。这些发现提示，环境条件可影响奶牛场环境中抗菌药物耐药E. coli的流行率，并证明在牲畜AMR监测中考虑天气相关变异的重要性。在牲畜AMR监测中校正这些关联可提高AMR趋势建模的准确性，并增强气候相关AMR风险评估。
一、研究背景与问题
抗菌药物耐药（antimicrobial resistance, AMR）与气候变化被世界卫生组织等视为全球公共卫生的重要威胁。除各自独立的风险外，气候变化还可能通过增加细菌感染、影响食品安全以及加剧人、牲畜和野生动物环境重叠而放大并加速AMR。天气和气候也参与AMR基因的流行与传播；与英国天气条件相关的较暖温度可影响细菌生长率、存活率、水平基因转移率，并可能因AMR基因与应激反应基因共选择而提高耐药Escherichia coli的适合度。现有证据显示，在人群层面，较暖气候地区的重要耐药细菌感染流行率较高；生态学研究报道温度与E. coli、Klebsiella pneumoniae和Staphylococcus aureus等病原的AMR呈正相关，且E. coli效应较明显。环境微生物组研究亦发现温度与AMR基因比例和绝对量正相关。然而，食品生产动物群体中温度对AMR的影响尚未充分探索，除抗菌药物使用外，食品动物AMR风险因素认识不足。研究人员团队此前在英国奶牛场环境AMR检测中发现月均温与耐药E. coli检出及CTX-M检出相关，且奶牛场粪肥还田可促进耐药细菌和基因向环境、水源和野生动物传播。与此同时，温度可通过影响细菌存活、生长和丰度而影响AMR检测；若样本中细菌丰度未标准化，或微生物学方法未考虑不同时间点细菌丰度差异，AMR检出可能性可随季节变化，进而影响观察性研究或监测结果。因此，本研究基于Schubert等收集的数据，评估局部天气条件及其交互作为抗菌药物耐药E. coli比例的风险因素，并建立可校正样本层面E. coli丰度异质性的非线性贝叶斯泊松似然模型，以更准确估计与样本内耐药E. coli比例相关的风险因素影响；这对牲畜AMR监测及预测气候变化潜在影响具有重要意义。
二、主要关键技术方法
研究人员使用英格兰西南部53个奶牛场的便利样本队列，2017—2018年采集成年挤奶牛收集场（adult collecting yard, AY）样本1,433份和青年牛舍（heifer shed, HS）样本1,333份，共2,766份粪污染环境样本；样本与最近气象站匹配，采用采样前7天逐小时气温和相对湿度的均值。统计分析采用非线性贝叶斯模型与泊松似然，两个子模型分别估计无抗菌药平板上的菌落数和耐药E. coli比例，以校正E. coli丰度相关的检测敏感性差异；温度与湿度用张量积薄板回归样条平滑建模，并纳入“一年中的日序（day of the year）”样条及农场内采样点嵌套随机效应；通过期望对数逐点密度（expected log pointwise density, ELPD）比较非线性与线性模型，并以错误发现率（false discovery rate, FDR）校正多重比较。对阿莫西林、头孢氨苄、链霉素和四环素分别建模；环丙沙星因耐药阳性罕见未进一步建模。
三、研究结果
样本与描述性结果：该观察性队列覆盖各气象季节，HS和AY分别在303个和54个唯一样本点重复采样。无天气协变量或日序样条项的截距模型用于估计各抗菌药/采样组样本内耐药E. coli比例；HS中样本层面中位比例范围从头孢氨苄的0.035%（均值1.20%）至四环素的3.86%（均值8.97%），AY中从链霉素的0.14%（均值0.89%）至阿莫西林的1.00%（均值3.63%）。环丙沙星耐药阳性罕见，估计比例总体极低（中位数2.90 × 10
?5%），且样本间缺乏变异，故未进一步建模。研究期间7天平均气温均值10°C（最小1°C，最大21°C），7天平均相对湿度均值82%（最小60%，最大92%），二者弱负相关（Pearson相关系数?0.43）。
Multivariable model with splines for temperature and humidity（温度和湿度的样条多变量模型）：研究人员为每个采样组和抗菌药组合构建多变量模型，将7天平均温度和湿度作为张量积薄板回归样条平滑项，将日序作为薄板回归样条；各模型ELPD均显示张量积平滑模型优于线性效应模型，提示非线性关系更能描述真实关系。
Temperature and humidity are positively associated with proportions of antimicrobial-resistant E. coli（温度和湿度与耐药E. coli比例正相关）：在几乎所有抗菌药和采样组中，模型显示温度与湿度同耐药E. coli比例正相关，并存在温湿正交互作用的证据；四种天气变化情景下，具有可信区间证据或弱证据的关联经局部和全局FDR校正后仍<0.05。
Streptomycin（链霉素）：AY组温度从1°C升至21°C（湿度82%）与链霉素耐药E. coli比例增加5.0倍相关（95% CI：1.03–33.1；绝对变化0.20%[95% CI：0.002%–1.17%]）；湿度从60%升至92%的弱证据为4.3倍（90% CI：1.2–16.4；95% CI：0.9–21.4；绝对变化0.19%[90% CI：0.02%–0.52%；95% CI：?0.01%–0.63%]）；温湿同时从1°C、60%升至21°C、92%与20.9倍增加相关（95% CI：1.30–362.8；绝对变化0.43%[95% CI：0.01%–4.77%]），提示协同效应。HS组湿度从60%升至92%与505倍增加相关（95% CI：18.0–44,592.9；绝对变化0.09%[95% CI：0.01%–0.51%]），温度或温湿协同证据少。
Amoxicillin（阿莫西林）：HS组湿度从60%升至92%与阿莫西林耐药E. coli比例增加4.7倍相关（95% CI：1.4–15.7；绝对变化1.31%[95% CI：0.25%–3.55%]）；温湿同时升高与16.0倍增加相关（95% CI：1.7–162.4；绝对变化1.56%[95% CI：0.15%–14.54%]）。AY组湿度与比例正相关（中位数3.4倍；95% CI：1.1–14.7；绝对变化0.89%[95% CI：0.08%–2.82%]）。
Tetracycline（四环素）：AY组温度从1°C升至21°C有弱证据与四环素耐药E. coli比例增加2.6倍相关（90% CI：1.1–5.2；95% CI：0.9–6.0；绝对变化0.63%[90% CI：0.05%–1.43%；95% CI：?0.04%–1.64%]）；温湿同时升高的协同效应呈弱证据（5.6倍；90% CI：1.3–25.5；95% CI：0.98–35.7；绝对变化0.87%[90% CI：0.09%–3.10%；95% CI：?0.01%–3.85%]）。HS组湿度从60%升至92%与3.1倍增加相关（95% CI：1.1–9.4；绝对变化3.27%[95% CI：0.20%–8.36%]）。
Cephalexin（头孢氨苄）：两组模型均提示温度与湿度同头孢氨苄耐药E. coli比例呈轻度正相关，但效应量小且不确定性高，因此总体证据不确定。
Some seasonal variation is unexplained by temperature and humidity（部分季节变异不能由温湿度解释）：日序样条显示，在研究期间仍存在未被局部天气解释的耐药E. coli比例残余变异；头孢氨苄模型可见明显的升降周期模式，提示未测季节因素可能进一步影响比例；其他抗菌药在纳入温度、湿度及其交互的非线性效应后未见该周期性季节变异，但仍存在研究期间比例波动。
四、讨论总结与研究结论翻译
讨论指出，本研究提供证据表明局部温度和湿度与成年奶牛收集场及青年牛舍粪便样本中阿莫西林、链霉素和四环素耐药E. coli比例相关；作者指出这是其已知首个在温度之外评估相对湿度作为牲畜AMR预测因素的研究。湿度尤其HS组呈正相关，作者提出可能解释包括较高湿度防止环境E. coli干燥、提高存活和AMR获得机会；并有温湿协同证据，较暖湿条件与更高耐药比例相关。研究观察到较大的相对变化，但样本内耐药E. coli比例总体较低，故绝对变化较小；在基线耐药率更高的环境中，数倍增加可能具有更重要的健康风险。观察性设计不能证明因果，未纳入的抗菌药使用、疾病负担、饲养密度、牛只移动和管理措施等季节变异因素可能造成残余混杂；日序样条用于吸收平滑季节趋势，但若未测因素随天气变化超出平滑季节模式，仍可能残余混杂。湿度关联也可能反映降雨时牛只转入室内、饲养密度和粪污染增加等管理活动；温暖时饮水量增加及水槽作为E. coli储存库亦可能影响丰度与耐药比例，但存在稀释效应等不确定性。室外气象站数据可能不能准确反映采样点尤其室内牛舍微气候，可能增加估计不确定性；7天暴露窗口因温湿共线性较低和减少季节趋势耦合而被选择，但E. coli可在粪和土壤中存活数周，较长窗口可能更相关；菌落计数存在误差，尤其高菌落平板；模型虽校正细菌丰度对检测敏感性的影响，低丰度样本信息仍较少。结果外推需谨慎：研究仅纳入奶牛场、为自愿参与的便利样本，可能难以推广至管理实践和气候不同的奶牛场；仅培养和检测E. coli，其他细菌可能不同。结论翻译：本研究提供了关于全年及环境条件变化下抗菌药物耐药E. coli比例的重要见解。这些发现补充了越来越多证据表明温度与AMR相关，例如在美国和欧洲人群中发现的关联。这对气候变化和AMR这两个全球健康问题具有意义。理解环境因素与AMR之间的相互作用有助于揭示驱动AMR的风险因素，从而识别可能降低AMR发生风险的干预措施。鉴于奶牛场内的抗菌药物耐药细菌可传播至更广泛环境——例如通过将粪肥施用于农田——此类干预措施可能带来超越奶牛场的One Health效益。此外，理解天气和季节性对AMR的关联对于在农业环境中设计有效的风险因素研究或监测项目至关重要。原因有二。首先，本研究证据提示，在更温暖、更潮湿天气时期采集的样本平均含有更高比例的抗菌药物耐药E. coli。其次，天气条件对E. coli丰度的影响可影响AMR检出可能性，如果样本未标准化或结果分析未考虑不同E. coli丰度，这种影响尤其明显。对耐药菌比例不敏感、仅检测存在与否的常用微生物学技术尤其会受到不同E. coli丰度影响。更好地理解环境因素与AMR之间的复杂关系，对于设计监测系统以及评估AMR未来对动物健康、人类健康和食品安全构成的风险至关重要。
