由哥伦比亚大学梅尔曼公共卫生学院 Sen Pei 领导的一组研究人员讨论了实时预测模型对抗菌素耐药生物体的实用性。这篇文章发表在《新发传染病》杂志上。
抗菌素耐药性 (AMR)——传染性细菌、病毒和真菌抵抗旨在杀死它们的药物的能力——是对人类健康的主要威胁。2019 年全球估计有 495 万人死于细菌性 AMR;大多数是由六种病原体引起的：大肠杆菌、金黄色葡萄球菌、肺炎克雷伯菌、肺炎链球菌、鲍曼不动杆菌和铜绿假单胞菌。
在该期刊的文章中，环境健康科学助理教授 Pei 和合著者指出了几个障碍，这些障碍使预测抗菌素耐药生物比预测流感和 COVID-19 等其他急性传染病更具挑战性。这些挑战包括缺乏对抗生素使用在推动 AMR 传播中的作用等过程的了解;缺乏可以为 AMR 预测提供信息的可靠监测数据，包括无症状定植数据;以及实施预测的指南。
这篇文章概述了改进耐药微生物预测模型的四个研究重点。首先，加强多个部门和利益相关者之间的沟通，包括学术研究人员、公共卫生机构、医疗保健提供者和公众，必须发生。其次，研究人员应更好地利用现有数据并指导收集对了解 AMR 至关重要的新数据。第三，需要更有效的算法来校准复杂的 AMR 模型。第四，预测性 AMR 模型应实时应用于现实环境中，以便研究人员和公共卫生机构可以评估其有效性，他们应对 AMR 预测的性能设定适当的期望，并为成功预测建立合理的标准。
“随着世界面临日益严峻的抗菌素耐药性挑战，利益相关者必须共同努力，开发新的方法来预测它们的出现，”Pei 说。
此前，贝聿铭在《美国国家科学院院刊》 (PNAS)杂志上发表了一项研究，该研究介绍了一种比现有方法更准确地预测医院环境中个体感染 MRSA 的可能性的方法。
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！