孟加拉国商业家禽生产中的抗菌药物使用模式、风险决定因素及农户类型：基于“同一健康”框架的多维度横断面分析

《Preventive Veterinary Medicine》：Antimicrobial Use Patterns, Risk Determinants, and Farmer Typologies in Commercial Poultry Production in Bangladesh: A Multidimensional Cross-Sectional Analysis under the One Health Framework

　　

摘要

在商业家禽生产中，抗菌素耐药性（AMR）是低收入和中等收入国家（LMICs）面临的一个关键“同一健康”（One Health）问题，例如孟加拉国。在这些国家，由于监管不严和非正式药品市场的存在，导致抗菌素的不合理使用（AMU）持续存在。本研究旨在描述AMU的模式，识别影响AMR风险的行为和结构性因素，基于实证数据划分农民类型，并开发一个概念验证的AMR风险预测工具，以指导孟加拉国商业家禽行业的“同一健康”管理。2026年3月，我们在孟加拉国的五个地区调查了212名商业家禽养殖户（肉鸡养殖户109名；蛋鸡养殖户70名；Sonali品种鸡33名）。我们构建了一个知识-态度-实践-表现（KAPP）框架和一个包含八个指标的AMR风险指数（0-8），并根据世界卫生组织（WHO）2023年的标准对微生物进行了分类，并使用回归分析、聚类分析和机器学习模型来识别风险预测因素、农民类型以及预测工具。大多数养殖户（77.8%）在上一生产周期内使用了抗菌剂，其中大部分（70.3%）至少使用了一种WHO指定的“警戒”或“储备”类别的抗菌剂；41.8%的养殖户在没有处方的情况下购买了抗菌剂。只有12.7%的养殖场被划分为高AMR风险等级，且这一风险无法通过任何单一的养殖户特征来解释，这表明背后存在着结构性而非知识层面的驱动因素。具有更多AMR相关知识的养殖户较少使用高风险类别的抗菌剂，但更可能在没有处方的情况下购买抗菌剂，这种现象体现了知识方面的悖论。通过聚类分析，我们识别出三种可重复的养殖户类型：高风险的传统养殖户、知识丰富的保守型养殖户和采用生物安全技术的养殖户，以便有针对性地进行管理。机器学习风险模型显示出了一定的预测能力（比随机预测准确2.3倍），但在实际应用前还需要进行更大规模的研究。这些发现表明，要解决孟加拉国及其他抗菌剂市场监管不足的LMIC国家中的AMR问题，仅依靠养殖户教育是不够的，还需要加强对供应链的监管和处方执行。

引言

抗菌素耐药性（AMR）是对全球健康安全构成最严重威胁的因素之一，据估计2019年有127万人直接死于耐药性感染（Antimicrobial Resistance Collaborators, 2022），预计到2050年每年将有高达1000万人因此死亡（O’Neill, 2016）。在“同一健康”框架下，畜牧业是AMR出现和传播的关键环节。商业家禽养殖作为全球最密集且发展最快的畜牧业生产系统，通过预防性、群体性、促进生长甚至治疗性用途，极大地增加了抗菌剂的选择压力，因为无论是治疗性还是群体性使用都可能引发耐药性（Marshall and Levy, 2011; Tiseo et al., 2020）。

孟加拉国特别突显了这一问题。过去十年中，商业家禽养殖业以每年约10-15%的速度增长，目前估计有25万至30万家商业养殖场，贡献了全国约40%的动物蛋白供应（Al Masud et al., 2020; DLS, 2023）。然而，该行业的监管环境存在问题：对于WHO指定的“警戒”和“储备”类别抗菌剂，兽医处方的执行力度不足（WHO, 2023）；零售药品市场缺乏监管；饲料供应与抗菌剂供应之间存在 patron-client 信用安排——这些因素共同导致了广泛的、往往不合理的抗菌剂使用（Hassan et al., 2021, Chowdhury et al., 2022）。鉴于商业家禽养殖与密集的人类社区之间的邻近关系，这种状况进一步加剧了病原体及其耐药基因的传播（Jones et al., 2013, Al Masud et al., 2020），使得“同一健康”视角下的问题尤为突出。

现有关于孟加拉国家禽业抗菌剂使用情况的研究提供了重要的流行率数据，但在方法上存在局限性：采用单点 convenience 样本、仅关注肉鸡养殖系统、在回归分析中将抗菌剂使用者与非使用者混为一谈（从而削弱了使用者之间的真实关联；Murrah, 2020; Ross et al., 2022），以及未经过验证的知识-态度-实践-表现（KAP）评分体系（Imam et al., 2020, Hassan et al., 2021, Hossain et al., 2022）。这些方法上的局限至关重要，因为养殖户的知识、态度和行为直接影响其日常的抗菌剂使用决策。因此，一个经过验证的KAP框架是理解农场层面AMR风险的必要起点，尽管还不够全面。此外，此前没有研究应用WHO 2023年的分类标准（该标准将粘菌肽从“可获取”类别重新划归为“储备”类别），导致对“储备”类别抗菌剂暴露情况的系统低估。

我们假设不同类型的养殖场在抗菌剂使用模式和AMR风险方面存在显著差异，认为AMR风险主要由结构性而非知识性因素驱动，并且通过划分养殖户类型可以实现有针对性的管理干预。本研究通过五个目标来解决这些问题：(i) 描述三种生产系统（肉鸡、蛋鸡和Sonali杂交肉鸡）中的农场层面抗菌剂使用模式及WHO分类特征；(ii) 开发并验证一个多维度的知识-态度-实践-表现（KAPP）综合框架和包含八个指标的AMR风险指数；(iii) 使用Firth惩罚逻辑回归方法，在独立的数据集中标出四种AMR风险结果的独立行为预测因子；(iv) 通过k-means聚类分析生成基于实证数据的养殖户类型；(v) 构建一个概念验证的家禽AMR风险预测模型（PARM）。

章节摘录

研究设计与背景

本研究采用横断面设计。2026年3月期间，研究人员在孟加拉国的商业家禽养殖户中进行了结构化问卷调查（数据收集为期一个月）。为了确保各个受教育程度的人群都能准确理解问卷内容，并减少无响应现象，采用了面对面的收集方式。问卷涵盖了五个主题领域：抗菌剂使用行为；抗菌素相关知识和态度；生物安全措施；农场运营表现等。

样本特征

共有212名商业家禽养殖户参与了调查：肉鸡养殖户109名（占51.4%），蛋鸡养殖户70名（33.0%），Sonali杂交肉鸡养殖户33名（15.6%）（表1）。大多数养殖户为男性（89.6%），年龄在18至30岁之间（85.8%）；只有2名养殖户年龄超过40岁，因此被排除在最终模型分析之外。超过一半（52.8%）的养殖户具有大学学历。不同类型养殖场的经营持续时间存在显著差异（χ2(4)=47.23, p<0.001），其中Sonali杂交肉鸡养殖场多为新成立的企

主要研究结果

本研究首次在全国范围内对孟加拉国商业家禽行业的农场层面抗菌剂使用情况和AMR风险进行了多维度分析，整合了WHO的抗菌剂分类标准、经过验证的知识-态度-实践-表现（KAPP）评分体系、基于实证数据的养殖户类型划分，以及一个概念验证的机器学习风险预测模型。虽然研究数据来自孟加拉国，但这些分析方法具有普遍适用性。

伦理声明

本研究遵循ARRIVE（动物研究：体内实验报告）指南进行。研究获得了加济布尔农业大学动物研究伦理委员会（AREC，地址：加济布尔-1706，孟加拉国）的批准（批准编号：FVMAS/AREC/2023/105）。

伦理声明

本研究已获得加济布尔农业大学兽医医学与动物科学学院动物研究伦理委员会（AREC，地址：加济布尔-1706，孟加拉国）的伦理批准（批准编号：FVMAS/AREC/2023/105，批准日期：2026年4月28日）。所有参与者在调查前都签署了书面知情同意书。本研究遵循《赫尔辛基宣言》（2013年修订版）的要求进行。参与是自愿的，且未保存任何个人身份信息。

伦理批准

本研究获得了加济布尔农业大学兽医医学与动物科学学院动物研究伦理委员会（AREC，地址：加济布尔-1706，孟加拉国）的伦理批准（批准编号：FVMAS/AREC/2023/105，批准日期：2026年4月28日）。

根据期刊的双重匿名审稿政策，作者的贡献（CRediT分类）和致谢信息将在随稿提交的另一份标题页文件中提供。

（《孟加拉国鱼饲料和动物饲料法》，2010年；牲畜服务部（DLS），2023年；世界卫生组织（WHO），2017年）

资金来源

本研究未获得任何公共部门、商业机构或非营利组织的资助。

Samia Hoque：撰文、审稿与编辑。Prottasha Mojumder：撰文、审稿与编辑。Atik Shahriar：撰文、审稿与编辑。Rufaida Jerin：撰文、审稿与编辑。Sirat Unnoby：撰文、审稿与编辑。Suchi Das：撰文、审稿与编辑。Sumaiya Nasrin Asha：撰文、审稿与编辑。Tanjina Islam：撰文、审稿与编辑。Jubayer Mahmud Nirjus：撰文

在准备本研究的过程中，作者使用了Claude（Anthropic）工具来协助手稿编辑、参考文献列表格式化以及根据编辑反馈重新组织内容。使用该工具后，作者对内容进行了必要的审阅和修改，并对发表文章的内容负全责。人工智能未被用于生成、分析或解释研究数据或结果，也未用于创建或修改任何图表、图像等。

作者声明没有已知的、可能影响本研究结果的财务利益或个人关系。

致谢

作者感谢现场采访人员、家禽合作社网络以及各地区的兽医推广官员，他们为访问养殖场和收集数据提供了便利。同时，作者也衷心感谢帕图阿卡利科学技术大学（Patuakhali Science and Technology University）动物科学与兽医学院的Riazul Amin Antor、Md Yeasin Arafat Shourov、Md Mainul Islam、Luthfuzzaman Chowdhury Munim、Umma Tanazzy和Shanjeeda Akter Santa等人的支持。

Jubayer Mahmud Nirjus | Md. Simoon Hasan | Muhaiminul Islam | Md Saazid Bin Saif | MD. Zahid Ibon Pulok | Atik Shahriar | Rufaida Jerin | Samia Hoque | Prottasha Mojumder | Sumaiya Nasrin Asha | Tanjina Islam | Sirat Unnoby | Suchi Das | Md. Rifat Hossain | Md. Rafsan Bin Rafiq Khan | Mousumi Saha | Peter Thomson

帕图阿卡利科学技术大学动物科学与 veterinary medicine 学院，杜姆基，帕图阿卡利-8602，孟加拉国