Visuelle bibliometrische Analyse von Forschungsschwerpunkten und Trends bei Antibiotikaresistenzen in China

Zusammenfassung

Diese bibliometrische Analyse erfasst mithilfe von CiteSpace die Forschungstrends und aufkommenden Schwerpunkte zur antimikrobiellen Resistenz in China von 2016 bis 2025. Die Ergebnisse zeigen eine zunehmende Aufmerksamkeit für neuartige Therapeutika und technologiebasierte Ansätze sowie kontrastierende Trends bei der Resistenz gegenüber MRSA und CRKP auf und unterstreichen die Notwendigkeit einer fortgesetzten Überwachung und gezielter antimikrobieller Therapiestrategien.

Zusammenfassung

Um das Forschungslandschaft der antimikrobiellen Resistenz (AMR) in China von 2016 bis 2025 systematisch zu analysieren, Hotspots zu identifizieren und aufkommende Trends mithilfe bibliometrischer Visualisierungstechniken zu erkennen, sammelten wir 3.096 Publikationen aus der Web of Science Core Collection (einschließlich Science Citation Index Expanded, SCI-E) und der China National Knowledge Infrastructure (CNKI). Mit CiteSpace führten wir eine Koautorenschafts-Netzwerkanalyse, eine Schlüsselwort-Ko-Okkurrenz-Kartierung sowie eine Clusteranalyse unter Verwendung des Log-Likelihood-Quotienten-(LLR-)Algorithmus durch. Die Erkennung von Ausbrüchen mittels Kleibergs Algorithmus identifizierte Forschungsvordergründe, während Modularitäts-Q-(>0,3) und Silhouettenmetriken die strukturelle Netzwerkqualität bestätigten. Die Zahl stieg von 357 im Jahr 2016 auf 365 im Jahr 2022, wobei sich das Wachstum nach der Periode 2019–2022 beschleunigte. Sechs große Forschungscluster entstanden, die eine signifikante strukturelle Gültigkeit aufwiesen (Modularität Q = 0,8108). Die Burst-Analyse identifizierte mobilisiertes Colistin-Resistenz-1 (mcr-1, Burst-Stärke 9,12) und Carbapenemase (8,52) als stärkste aufkommende Signale. Die Resistenzüberwachung zeigte divergierende Trends: Carbapenem-resistente Klebsiella pneumoniae nahmen alarmierend von 5,6 % auf 20,0 % zu, während Methicillin-resistente Staphylococcus aureus von 48,8 % auf 25,8 % zurückgingen. Die Analyse des Autorennetzwerks ergab eine stark zentralisierte Struktur mit begrenzter länderübergreifender Zusammenarbeit. Neuartige Therapeutika, einschließlich antimikrobieller Peptide, Phagentherapie und Anwendungen des maschinellen Lernens, zeigten ein signifikantes Aufkommen. Insgesamt deuten die bibliometrischen Muster darauf hin, dass die AMR-Forschung in China sich von deskriptiver Überwachung hin zu mechanistischen Untersuchungen entwickelt hat und zunehmend innovativen Interventionen Beachtung schenkt. Der kontrastierende Rückgang von Methicillin-resistenten Staphylococcus aureus und der Anstieg carbapenemresistenter Erreger unterstreichen die Notwendigkeit einer fortgesetzten nationalen Überwachung, stärkerer interregionaler Zusammenarbeit, gezielter antimikrobieller Stewardship sowie einer vorsichtigen Übertragung aufkommender Technologien in die klinische Praxis.

Einleitung

Die antimikrobielle Resistenz (AMR) stellt eine gravierende Bedrohung für die globale öffentliche Gesundheit dar, wobei die Weltgesundheitsorganisation sie als eine der zehn größten gesundheitlichen Bedrohungen für die Menschheit einstuft¹. Die wirtschaftliche Belastung durch AMR ist erheblich; Prognosen zufolge könnten resistente Infektionen bis zum Jahr 2050 jährlich weltweit 10 Millionen Todesfälle verursachen, wenn sich die derzeitigen Trends fortsetzen². Die grundlegenden Mechanismen der antimikrobiellen Resistenz bei Bakterien umfassen komplexe genetische und phänotypische Anpassungen, darunter enzymatische Arzneimittelmodifikation, Veränderungen an Zielstrukturen, Überexpression von Effluxpumpen und Biofilmbildung, die gemeinsam die Wirksamkeit des bestehenden therapeutischen Wirkstoffspektrums gefährden³. Jüngste globale Bewertungen haben den umfassenden Charakter dieser Herausforderung weiter unterstrichen, wobei antimikrobielle Resistenz heute als komplexes ökologisches Phänomen anerkannt wird, das koordinierte Maßnahmen im Bereich der menschlichen Gesundheit, der Tierhaltung und der Umwelt erfordert⁴. AMR hat darüber hinaus weitere Auswirkungen auf die nachhaltige Entwicklung, einschließlich ökologischer und sozioökonomischer Ziele⁵. Die Herausforderung ist besonders akut bei der Bekämpfung der Resistenz gegen Malaria, HIV und Tuberkulose, wo multiresistente Stämme jahrzehntelange Fortschritte in der Kontrolle von Infektionskrankheiten gefährden⁶. Historische Analysen der AMR-Epidemiologie in China haben im Vergleich zu westlichen Populationen spezifische Merkmale dokumentiert, darunter einzigartige Resistenzgenprofile und durch medizinische Praktiken sowie Antibiotikaverbrauchsmuster geprägte Übertragungsdynamiken⁷.

China steht aufgrund seiner großen Bevölkerung und des hohen Antibiotikaverbrauchs vor besonders schwerwiegenden Herausforderungen im Zusammenhang mit antimikrobieller Resistenz (AMR). Der Antibiotikaverbrauch pro Kopf liegt in China weiterhin deutlich über dem vieler europäischer Länder, was einen Selektionsdruck erzeugt, der die Entwicklung von Resistenzen vorantreibt⁸. Angesichts der Schwere dieser Krise hat die chinesische Regierung den Nationalen Aktionsplan zur Eindämmung der antimikrobiellen Resistenz (2016–2020, 2022–2025) eingeführt und das Chinesische Überwachungssystem für antimikrobielle Resistenz (CARSS) eingerichtet, um Resistenzmuster landesweit zu überwachen⁹. Aus regionaler Sicht hat sich Südostasien als kritischer Hotspot für AMR-Forschung und -Verbreitung herausgebildet, wobei bibliometrische Analysen einen rapide wachsenden Forschungsoutput zeigen, der dem von China ähnelt¹⁰. Globale Trends und Prognosen deuten darauf hin, dass ohne entschlossenes Eingreifen die Sterblichkeitsrate durch AMR mittelständische Länder überproportional betreffen wird; einige Prognosen legen nahe, dass die Region Asien-Pazifik bis Mitte des Jahrhunderts fast die Hälfte aller resistenzbedingten Todesfälle ausmachen könnte¹¹. Diese ernüchternden Prognosen haben internationale Verpflichtungen zur verantwortungsvollen Anwendung von Antimykotika beschleunigt, obwohl weltweit weiterhin Lücken zwischen der politischen Festlegung und der klinischen Umsetzung bestehen¹². Diese Initiativen haben umfangreiche Daten zur Resistenzepidemiologie, zu molekularen Mechanismen und klinischen Ergebnissen generiert, die eine reichhaltige Grundlage für bibliometrische Analysen bieten. Aktuelle One-Health-Modelle betonen daher koordinierte Maßnahmen in den Bereichen menschliche Gesundheit, Tiergesundheit, Landwirtschaft und Umwelt, unterstützt durch verantwortungsvolles Antibiotikamanagement und schnelle Diagnosetechnologien¹³.

Die bibliometrische Analyse, die mithilfe mathematischer und statistischer Methoden veröffentlichte Literatur quantitativ auswertet, ermöglicht es Forschenden, Forschungsschwerpunkte zu identifizieren, Entwicklungsverläufe nachzuvollziehen und zukünftige Forschungsrichtungen vorherzusagen¹⁴. Visualisierungswerkzeuge wie CiteSpace verwandeln komplexe Zitationsdaten in anschauliche Wissenskarten und machen verborgene Muster in der wissenschaftlichen Literatur sichtbar¹⁵. Frühere bibliometrische Studien haben Forschungstrends in bestimmten AMR-Bereichen kartiert, darunter die globale Forschung zur Antimykotikaresistenz¹⁶. Eine umfassende bibliometrische Analyse, die sowohl chinesisch- als auch englischsprachige Forschungsergebnisse zur AMR in China integriert, ist jedoch bisher begrenzt. Im Gegensatz zu früheren bibliometrischen Analysen, die sich auf spezifische AMR-Bereiche konzentrierten, integriert die vorliegende Studie chinesischsprachige CNKI- und englischsprachige Web-of-Science-Datensätze und interpretiert die bibliometrischen Ergebnisse jeweils separat im Kontext der nationalen CARSS-Überwachungsdaten. Ziel dieser Studie ist es, eine systematische bibliometrische Analyse der AMR-Forschung in China für den Zeitraum 2016–2025 durchzuführen, mithilfe der CiteSpace-Software Wissenskarten zu erstellen und evidenzbasierte Empfehlungen für zukünftige Forschungsschwerpunkte und die Entwicklung von Richtlinien abzuleiten. Dieser kombinierte Ansatz bietet eine zweisprachige Darstellung des Forschungslandschafts und ermöglicht es gleichzeitig, bibliometrische Trends unabhängig von, aber im Vergleich zu, nationalen Resistenzüberwachungsdaten zu interpretieren.

Protokoll

Datenquellen

Es wurde eine umfassende Literaturrecherche in internationalen und nationalen Datenbanken durchgeführt, um eine globale Abdeckung der AMR-Forschung im Zusammenhang mit China sicherzustellen. Für die internationale Literatur durchsuchten wir systematisch die Web of Science Core Collection (einschließlich Science Citation Index Expanded, SCI-E) und die China National Knowledge Infrastructure (CNKI) vom 1. Januar 2016 bis zum 31. Dezember 2025. Exakte Boolesche Abfrage für SCI-E: TS = ((„antimicrobial resistance“ ODER „antibiotic resistance“ ODER „drug resistance“) UND („China“ ODER „Chinese“ ODER „Mainland China“)). Bei CNKI wurde das Fachgebiet mit den chinesischen Äquivalenten von „antibiotic resistance“, „antimicrobial resistance“ und „drug resistance“ kombiniert mit „China“ durchsucht. Vor der CiteSpace-Analyse wurde keine formale Zusammenführung von Schlüsselwortsynonymen oder thesaurusbasierte Vorverarbeitung durchgeführt. Die endgültige Suche wurde am 28. April 2026 durchgeführt, um ausreichend Zeit zu gewährleisten, damit Veröffentlichungen bis zum 31. Dezember 2025 in den Datenbanken indiziert werden konnten. Der Filter für das Veröffentlichungsjahr in der Datenbank war auf den Zeitraum 2016–2025 beschränkt. Datensätze mit der Kennzeichnung „Early Access“ wurden zusätzlich während der Sichtung geprüft, und Artikel mit einem ersten Online-Veröffentlichungsdatum im Jahr 2026 wurden von der Analyse ausgeschlossen. Die Schlagwortbezeichnungen wurden anhand der ursprünglichen CiteSpace-Ausgabe überprüft, um eine konsistente Terminologie im Text, in Tabellen und Abbildungen sicherzustellen.

Für die CNKI-Suche wurden 983 Datensätze aus den Peking University Core Journals (PKU Core), 802 aus der Chinese Science Citation Database (CSCD) und 462 aus dem World Journal Clout Index (WJCI) abgerufen. Da ein einzelner Artikel in mehr als einer dieser Kategorien indiziert sein kann, stellen diese Zahlen kategoriespezifische Abrufdatensätze dar und sind keine sich gegenseitig ausschließenden Publikationszahlen. Die drei Datensatzgruppen wurden daher vor der Eignungsprüfung zusammengeführt. Doppelte Einträge wurden zunächst durch exakte DOI-Übereinstimmung identifiziert. Bei Datensätzen ohne DOI wurden normalisierte Artikelüberschriften zusammen mit dem Namen des Erstautors und dem Erscheinungsjahr verglichen. Datensätze mit unvollständigen oder widersprüchlichen Metadaten wurden manuell überprüft. Wenn derselbe Artikel in zwei oder mehr CNKI-Indizierungskategorien erschien, wurde er unabhängig von der Anzahl der Kategorien, in denen er indiziert war, nur einmal im kombinierten CNKI-Datensatz beibehalten. Nach der innerhalb von CNKI durchgeführten Entfernung von Duplikaten und der Eignungsprüfung verblieben 1.096 eindeutige Artikel in chinesischer Sprache. Es wurde keine Schwelle für den Journal Impact Factor angewandt, da der Zweck dieser Studie darin bestand, das gesamte Forschungsgebiet der antimikrobiellen Resistenz (AMR) zu charakterisieren, anstatt den Korpus anhand des Ansehens der Zeitschriften einzuschränken. Eine formale Bewertung der methodischen Qualität oder des Bias-Risikos einzelner Publikationen wurde nicht durchgeführt, da das Ziel dieser Studie darin bestand, das gesamte bibliometrische Landschaftsbild zu beschreiben, anstatt die methodische Qualität auf Studienebene zu bewerten.

Insgesamt wurden in SCI-E und CNKI zunächst 5.286 Datensätze identifiziert. Anschließend wurden dieselben Kriterien basierend auf DOI, Titel, Autor und Jahr angewandt, um mögliche Überschneidungen zwischen den Datensätzen von CNKI und Web of Science zu ermitteln. Während der kombinierten Entfernung von Duplikaten und der Eignungsprüfung wurden insgesamt 2.190 Datensätze ausgeschlossen, sodass 3.096 Publikationen für die Analyse verblieben. Der vollständige Prozess der Literatursuche, -prüfung und -auswahl ist in Supplementary Figure 1 dargestellt.

Einschlusskriterien waren: Studien zur bakteriellen AMR in China; Artikel, die Resistenzzahlen, molekulare Epidemiologie, klinische Ergebnisse oder Interventionsstrategien berichteten; sowie Veröffentlichungen zwischen dem 1. Januar 2016 und dem 31. Dezember 2025. Doppelte Einträge, Veröffentlichungen aus dem Jahr 2026, Übersichtsarbeiten oder Metaanalysen ohne originäre Datensätze sowie Studien, die sich ausschließlich auf tierärztliche oder umweltbezogene AMR ohne Bezug zur menschlichen Gesundheit beschränkten, wurden ausgeschlossen. Übersichtsarbeiten und Metaanalysen ohne neue Primärdatensätze wurden ausgeschlossen, da die Analyse darauf ausgelegt war, originäre Forschungsleistungen zu charakterisieren. Die Beschränkung des Korpus auf Originalforschung verbessert die Vergleichbarkeit bibliometrischer Indikatoren, einschließlich Publikationszahlen, Koautorenschaftsmuster, Häufigkeiten von Schlüsselwörtern und zitatsbezogenen Maßen, da Artikel zur Evidenzsynthese frühere Studien zusammenfassen und möglicherweise deutlich abweichende Zitations- und Schlagwortprofile aufweisen. Nach Entfernung von Duplikaten über die Datenbanken hinweg und der Sichtung von Titeln und Abstracts wurden insgesamt 3.096 Publikationen für die bibliometrische Analyse eingeschlossen, darunter 1.096 Artikel in chinesischer Sprache (35,4 %) und 2.000 Publikationen in englischer Sprache (64,6 %).

Analytische Methoden

Für die bibliometrische Analyse wurde CiteSpace (Drexel University, Philadelphia, PA, USA)¹⁷ verwendet. Der untersuchte Zeitraum umfasste die Jahre 2016–2025 bei einer Zeitscheibenlänge von einem Jahr. Die Knotentypen wurden getrennt für die Analysen von Autor, Institution und Schlüsselwörtern ausgewählt. Bei der Knotenauswahl kam der g-Index mit k = 10 zum Einsatz; die angezeigte Konfiguration verwendete außerdem LRF = 2,5, L/N = 10, LBY = 5 und e = 1,0. Die Pfadfinder-Bereinigung wurde auf die Netzwerke von Autoren, Schlüsselwörtern und Clustern angewendet, um überflüssige Verbindungen zu reduzieren und gleichzeitig die wesentliche Netzwerkstruktur beizubehalten. Die einjährige Zeitscheibe wurde gewählt, um jährliche Veränderungen innerhalb des zehnjährigen Untersuchungszeitraums zu erfassen.

Vier Hauptanalysemodule wurden verwendet: die Koautorenanalyse zur Abbildung von Kollaborationsnetzwerken zwischen Autoren und Institutionen; die Analyse des gemeinsamen Auftretens von Schlüsselwörtern, um Forschungsthemen und deren Beziehungen zu identifizieren; die Clusteranalyse mithilfe des Log-Likelihood-Quotienten-(LLR-)Algorithmus zur Extraktion thematischer Cluster mit automatischer Beschriftung; sowie die Erkennung von Ausbrüchen („burst detection“) anhand von Kleinsberg-Algorithmus, um aufkommende Trends und Forschungsgrenzen zu identifizieren. Netzwerkmetriken wie die Modularität Q und der durchschnittliche Silhouettenwert S dienten der Bewertung der Clusterqualität. Ein Modularitätswert Q größer als 0,3 weist auf eine aussagekräftige Community-Struktur hin, während ein durchschnittlicher Silhouettenwert über 0,7 auf eine hohe innere Konsistenz der Cluster und eine zuverlässige Clusterzuordnung hinweist¹⁸.

Statistische Analyse von Resistenztrends

Trends der Resistenzraten für bedeutende Krankheitserreger wurden aus den jährlichen Berichten des China Antimicrobial Resistance Surveillance System (CARSS) (2016–2025) abgeleitet, die Daten aus teilnehmenden Sentinel-Krankenhäusern landesweit zusammenfassen. Diese Überwachungsdaten wurden unabhängig vom bibliometrischen Korpus analysiert und weder aus den 3.096 Publikationen in Web of Science und CNKI, die für die CiteSpace-Analysen verwendet wurden, extrahiert, noch darüber zusammengefasst oder darin eingeschlossen.

Für jede Pathogen-Antimykotikum-Kombination haben wir die jährliche Resistenzrate (Prozentsatz der nicht-duplizierten Isolate, die gegenüber dem angegebenen Wirkstoff resistent sind), die Gesamtanzahl der getesteten Isolate (Nenner) sowie die Anzahl der sentinelles Krankenhäuser, die Daten beigetragen haben, extrahiert. Die Empfindlichkeitsprüfung wurde mittels standardisierter Brühenmikroverdünnung oder Scheiben-Diffusionsmethoden durchgeführt, wobei die Interpretationen auf den Richtlinien des Clinical and Laboratory Standards Institute (CLSI) (M100-Dokumente, Ausgaben 2016–2025) basierten.

Zur Beurteilung zeitlicher Trends führten wir eine lineare Regressionsanalyse durch, wobei die Resistenzrate als abhängige Variable und das Jahr als unabhängige Variable verwendet wurden, über den gesamten Zeitraum von 10 Jahren (2016–2025). Die Regressionssteigung (β) und das Bestimmtheitsmaß (R²) wurden für jedes Pathogen-Antimikrobiellum-Paar berechnet. Um mögliche Veränderungen der Überwachungsabdeckung zu berücksichtigen (z. B. die Erweiterung von 1.398 Krankenhäusern im Jahr 2016 auf 2.349 Krankenhäuser im Jahr 2025), führten wir zusätzlich Sensitivitätsanalysen durch, bei denen die Resistenzrate jedes Jahres invers zur Anzahl der teilnehmenden Krankenhäuser und zur geografischen Verteilung der Berichterstattungsstellen gewichtet wurde. Diese gewichteten Modelle ergaben Trendrichtungen und Signifikanzniveaus, die mit den ungewichteten Analysen übereinstimmten; daher werden aus Gründen der Einfachheit und besseren Interpretierbarkeit die ungewichteten Ergebnisse dargestellt. Alle statistischen Analysen wurden mit R Version 4.3.2 (R Foundation for Statistical Computing, Wien, Österreich) durchgeführt. Ein zweiseitiger p-Wert <0,05 wurde als statistisch signifikant angesehen.

Ergebnisse

Publication trends

A total of 3,096 publications were included in the analysis. Total annual output increased from 357 publications in 2016 to a peak of 365 in 2022 and subsequently declined continuously to 146 in 2025 (Figure 1). English-language output increased from 130 publications in 2016 to 295 in 2022 before decreasing to 69 in 2025. Chinese-language output decreased from 227 publications in 2016 to 93 in 2019, increased during 2020–2021, ...

Diskussion

Die bibliometrischen Muster deuten darauf hin, dass die AMR-Forschung in China allmählich von deskriptiver Überwachung und Pathogencharakterisierung hin zu Resistenzmechanismen, genomischen Ansätzen und interventionsorientierter Forschung erweitert wurde. Die überlappenden Schlagwort-Cluster und Burst-Phasen weisen auf eine kumulative thematische Diversifizierung hin, nicht auf drei getrennte und sich gegenseitig ausschließende Stadien. Der Zeitpunkt dieser Veränderungen fiel mit den Nationalen Aktionsplänen zur Eindämmu...

Materialien

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
CiteSpace	Drexel University, Philadelphia, PA, USA	version 6.4.R1	Zur Durchführung einer umfassenden bibliometrischen Analyse, einschließlich der Analyse gemeinsamer Autorschaften, der Analyse des gemeinsamen Auftretens von Schlüsselwörtern, der Clusteranalyse und der Erkennung von Zitationsausbrüchen.
China National Knowledge Infrastructure (CNKI)	China National Knowledge Infrastructure	Nicht zutreffend	Zur Zusammenstellung von Forschungsartikeln aus chinesischen inländischen Quellen.
R	R software	version 4.3.2
Web of Science Core Collection (SCI-E)	Web of Science	Nicht zutreffend	Zur systematischen Suche und Gewinnung internationaler Fachliteratur.