《Journal of Infection and Public Health》：Antimicrobial resistance detection technologies and the role of healthcare workforce: A scoping review of recent research
编辑推荐：
背景：可靠的抗菌药物耐药性（AMR）判定是卫生保健研究与临床实践的基础。高质量的研究证据对于指导准确的AMR检测至关重要，而准确的AMR检测反过来又为抗菌药物管理（AMS）决策提供依据。本范围综述旨在对全球近期AMR检测策略进行批判性评价。方法：依据PRISM
背景：可靠的抗菌药物耐药性（AMR）判定是卫生保健研究与临床实践的基础。高质量的研究证据对于指导准确的AMR检测至关重要，而准确的AMR检测反过来又为抗菌药物管理（AMS）决策提供依据。本范围综述旨在对全球近期AMR检测策略进行批判性评价。方法：依据PRISMA-ScR指南，通过对学术数据库（PubMed、Google Scholar和EMBASE）的全面文献检索，识别与AMR相关策略的原始研究。最终纳入近5年（2021—2026年）发表的58项相关研究。随后分析批判性评价了将先进技术整合到AMR检测与预测项目中的证据。结果：全基因组测序（WGS；n=37篇文献）是纳入研究中AMR筛查的主要方法。宏基因组测序（MGS）数据用于6项研究中的AMR特征描述，而PCR/多重PCR用于10篇文献。一个值得关注的趋势是利用机器学习（ML）模型预测AMR。几乎所有开发、验证和/或使用ML模型的研究（n=21项研究）均报告了优异的时间与成本效率、高准确度与精密度，以及与常规AMR筛查方法良好的一致性。在此综合基础上，研究人员提出整合诊断—管理—人力（IDSW）模型，这是一个以假说生成为目的、包含五个层次的概念框架，将诊断创新、人力介导的决策、AMS干预、情境调节因素和结局反馈环路联系起来。结论：所综述的证据支持将AMR检测实践适配于临床决策支持系统，并可能对技术增强型管理项目产生下游影响。此外，所提出的IDSW模型为未来研究、政策制定和实施工作提供了框架，以整合诊断与人力角色，并将AMS作为关键的下游应用。
研究背景与问题：抗菌药物耐药性（AMR）与多重耐药（MDR）已成为全球健康的重大威胁，削弱抗生素疗效并推高发病率、死亡率与医疗成本，因而抗菌药物管理（AMS）项目成为优化抗菌药物使用、改善患者结局和遏制耐药病原体传播的必要工具。分子诊断与快速AMR检测技术的进步正在增强床旁检测能力，同时多学科卫生人力（护士、药师、微生物学家、感染病临床医师、实验室技术人员）在AMS的监测、反馈与床旁应用中的作用日益受到重视。然而现有文献往往将这些领域分开处理，忽视其相互依存关系，缺乏对AMR诊断创新、先进管理实践与卫生人力角色如何交互作用的系统梳理，也缺乏对新兴趋势、各类方法有效性及未来研究与政策方向的综合映射。为此研究人员开展本范围综述，聚焦AMR检测与预测的技术进展及其向AMS项目和多学科人力模式的潜在整合，并指出当前局限与临床实施策略。
研究开展与结论：研究人员通过系统文献检索纳入58项原始研究，按诊断技术类别进行主题综合与叙事性分析，并据此构建了整合诊断—管理—人力（IDSW）概念模型。结论认为证据支持将AMR检测实践适配于临床决策支持系统，IDSW模型可为未来研究、政策与实施提供框架，以AMS为关键下游应用。
主要技术方法：依据PRISMA-ScR指南在PubMed、EMBASE和Google Scholar检索，采用布尔逻辑运算符、截断符及受控词表（MeSH、Emtree）结合自由文本关键词，检索限于三库前100条命中；剔除重复及2021年前文献后按纳入排除标准筛选，仅纳入英文原创研究且限于人源临床或社区样本的病原微生物分离株，排除食品、动物、环境样本及临床前实验室与计算机模拟研究；数据由两组评审者独立提取，分歧经讨论或第三方裁定；采用非随机研究方法学指数（MINORS）评估方法学质量；因异质性未行定量合成，改用叙事性主题综合。
研究结果：
研究选择与特征：从3个数据库共检索到300条记录，去除重复并按近5年筛选后余149篇，进一步剔除仅涉及环境、食品/饲料和/或动物微生物及仅采用临床前实验室或计算机模拟评估的研究后降至103篇和81篇，最终纳入58篇原创研究。地理分布以亚洲（n=24）为主，其中中国单独占14项，欧洲、北美、非洲各7项，大洋洲与南美各2项，9项为多国研究。样本量从1例（病例研究）至数千份临床样本或患者记录不等，覆盖革兰阴性菌（大肠埃希菌、肺炎克雷伯菌、鲍曼不动杆菌、铜绿假单胞菌、沙门菌属）、革兰阳性菌（金黄色葡萄球菌、肠球菌属）及幽门螺杆菌、淋病奈瑟菌、艰难梭菌、纹带棒状杆菌等较少研究的微生物；研究目标包括检测AMR基因与突变/变异、刻画暴发聚集、由基因组或光谱数据预测药敏表型，部分直接为AMS干预提供依据。技术分布上，WGS与PCR/多重PCR使用最多（分别为37项和10项），MGS与mNGS用于6项，基质辅助激光解吸电离飞行时间质谱（MALDI-TOF MS）为2项研究的基础，基于ML的AMR/MDR预测模型达21项。
已识别的创新性AMR特征描述策略类型：常规表型药敏试验仍是各项研究中最常作为参照标准的方法，共识别出五类前沿AMR检测/预测策略。WGS为最主要的AMR特征描述策略，单独或联合表型检测用于半数以上研究，用于检测获得性耐药基因与点突变、描述新型/新现序列型与耐药组、开展暴发调查的系统发育与核心基因组分析、进行大规模基因组监测（如38585株淋病奈瑟菌与3076株沙门菌基因组），并识别质粒介导的耐药盒与CRISPR-Cas系统等附属特征及毒力基因与耐药决定因素的共现，显示其可提供超越单基因检测的高分辨率耐药组视图，但受成本、技术专长与周转时间限制。ML预测工具被大量用于直接从基因组、蛋白质组和/或临床数据预测耐药，模型准确度常达到或超过常规表型检测并显著缩短周转时间，涵盖屎肠球菌、结核分枝杆菌、鲍曼不动杆菌、阴沟肠杆菌复合群、嗜麦芽窄食单胞菌和肺炎克雷伯菌等；有研究直接将ML分类器应用于MALDI-TOF质谱数据（CatBoost表现最佳，SHAP分析识别AMR生物标志物），AMRQuest软件用于金黄色葡萄球菌甲氧西林耐药快速筛查；MGS2AMR流程结合XGBoost可从宏基因组数据预测AMR基因及其可能来源；多种算法比较总体倾向梯度提升方法如XGBoost；ARIMA与ML时间序列模型用于刻画抗生素使用模式与耐药趋势的关系；模型性能通常在基因组或光谱特征结合菌种水平信息时最强，仅依赖基因型数据时最弱；ML还用于药物发现（QSAR筛选鉴定对黏菌素耐药鲍曼不动杆菌有活性的新型OmpW抑制剂）与临床决策支持（Arkstone系统在多个FDA批准诊断面板上验证）。PCR类检测（常规、多重、定量）为针对已知耐药基因的低成本策略，常与表型药敏配对验证基因型—表型一致性，代表性应用包括金黄色葡萄球菌甲氧西林与大环内酯耐药决定因素的多重PCR筛查、腹泻与尿路肠杆菌科分离株中超广谱与金属β-内酰胺酶基因检测、气单胞菌属毒力与溶血素基因鉴定、结合系统发育分群与毒力基因谱刻画血流感染MDR大肠埃希菌的多克隆传播、结合质粒复制子分型追踪沙门菌耐药基因连锁，以及比较痰标本直接检测与培养分离株的铜绿假单胞菌外排泵基因表达（二者一致性差）；PCR亦用于生物信息学预测后的前瞻性验证（如纹带棒状杆菌tetW预测四环素耐药）；其局限在于难以检测新突变或既往未表征的耐药机制。MALDI-TOF MS主要作为快速、经济的菌种鉴定平台，多作为下游基因组或表型AMR特征描述的第一步而非独立耐药检测工具，其新兴价值在于与测序或ML方法结合。宏基因组测序与新兴计算平台方面，较小部分研究应用不依赖培养的MGS数据直接刻画AMR基因携带情况，如比较农村人群与野生鼠狐猴肠道菌群多样性及AMR基因丰富度并发现共享MDR基因盒，或结合粪便宏基因组与临床肺炎克雷伯菌分离株测序探讨胰腺癌患者肠道至肿瘤的耐药菌易位；MGS数据亦用于ML预测，如MGS2AMR流程与云端平台CZ ID实现病原鉴定与AMR基因谱同步分析；尽管采用率仍低于分离株WGS，这些方法显示在群落水平和跨宿主微生物组互作中捕捉AMR基因动态的能力正在增强。
技术与数据科学对AMS的潜在意义：有效的AMS实践需要靶向干预、标准化监测、循证指南与本地化适配等要素的组合；纳入研究中仅少数直接评价AMS干预或结局，因此相关综合主要勾勒所识别诊断与计算方法如何支持AMS核心功能。在抗生素使用监测与耐药监测方面，有研究以ARIMA模型将抗生素使用模式与大肠埃希菌耐药趋势关联，大规模基因组监测则显示群体水平测序数据可支持本地与跨区域耐药模式比较。在决策支持方面，Arkstone临床决策支持系统（CDSS）与直接应用于MALDI-TOF光谱数据的ML模型表明，快速计算衍生预测可嵌入诊断流程以高效指导抗生素选择。基因组暴发调查显示测序数据可支持耐药菌聚集的快速发现与遏制。在系统层面，电子处方系统、审计仪表板与数字监测工具使AMS项目能够持续追踪抗生素使用、耐药趋势与指南依从性，实时反馈支持更透明、数据驱动的决策；结合更广泛AMS文献，快速诊断检测与临床决策支持系统等技术方法与被减少的抗生素使用、改善的指南依从性和更好患者结局相关，多学科查房、审计反馈机制与药师主导的管理通过持续观察与协作进一步强化这些收益，教育培训项目对维持行为改变至关重要。
提出的概念模型：整合诊断—管理—人力（IDSW）模型：研究人员基于本范围综述的证据综合提出IDSW模型，用以展示诊断创新、AMS策略与卫生人力角色如何交互影响不同卫生保健环境中的抗菌药物使用。诊断生态系统是模型核心，为AMS决策提供基础输入，包括AI支持的临床决策工具、分子与床旁检测、快速诊断技术等，并由实验室基础设施与电子健康记录、监测系统等数据整合方法支撑。第二层为人力驱动的决策节点，是框架的核心创新，强调卫生人力在将诊断数据转化为临床行动中的中介作用，涵盖临床医师（医生、护士、药师）、微生物学家与实验室专业人员、感染预防专家、AMS团队及适用的社区卫生工作者；开具诊断检测、解读结果、与其他专业团队沟通以及决定抗生素的启动、调整或降阶梯是关键决策节点；模型强调，取决于培训与胜任力、专业角色清晰度、跨专业协作质量以及本地组织文化与激励结构等人力相关因素，相同的诊断结果可能导致不同的临床与管理结局。第三层为AMS干预，将诊断数据与人力介导的决策付诸实施。
讨论与结论：综述证据支持将AMR检测实践适配于临床决策支持系统，并可能对技术增强型管理项目产生下游影响；所提出的IDSW模型为未来研究、政策制定和实施工作提供框架，以整合诊断与人力角色，并将AMS作为关键的下游应用。
