ניתוח ביבליומטרי זה ממפה מגמות מחקר ועמדי עניין מתהווים (hotspots) בנושא עמידות לאנטיביוטיקה בסין בין השנים 2016–2025 באמצעות CiteSpace. הממצאים מדגישים תשומת לב גוברת לטיפולים חדשניים ולגישות מבוססות טכנולוגיה, לצד מגמות עמידות מנוגדות של MRSA ו-CRKP, תוך הדגשת הצורך במעקב מתמשך ובניהול מושכל ומכוון של טיפולים אנטיביוטיים.
מאמר מחקר
ניתוח ביבליומטרי חזותי של מוקדי מחקר ומגמות בעמידות לאנטיביוטיקה בסין
במאמר זה
סיכום
תקציר
במטרה לנתח באופן שיטתי את נוף המחקר של עמידות לאנטיביוטיקה (AMR) בסין בין השנים 2016–2025, לזהות מוקדי עניין (hotspots) ולגלות מגמות עולות באמצעות טכניקות ויזואליזציה ביבליומטריות, אספנו 3,096 פרסומים מתוך Web of Science Core Collection (כולל Science Citation Index Expanded, SCI-E) ומתוך China National Knowledge Infrastructure (CNKI). באמצעות CiteSpace, ביצענו ניתוח רשת של כתיבה משותפת, מיפוי של הופעות משותפות של מילות מפתח וניתוח אשכולות באמצעות אלגוריתם Log-Likelihood Ratio (LLR). זיהוי התפרצויות (burst detection) באמצעות אלגוריתם של Kleinberg אפשר את זיהוי חזיתות המחקר, בעוד שערכי modularity Q (>0.3) ומדדי silhouette תיקפו את איכות המבנה של הרשת. מספר הפרסומים עלה מ-357 בשנת 2016 ל-365 בשנת 2022, עם צמיחה מואצת לאחר התקופה שבין 2019–2022. שש אשכולות מחקר עיקריים עלו עם תוקף מבני משמעותי (modularity Q = 0.8108). ניתוח התפרצויות זיהה את העמידות לכוליסטין הניידת-פלסמיד-1 (mcr-1, עוצמת התפרצות 9.12) ואת הקרבפנמאז (8.52) כאותות העולים החזקים ביותר. ניטור העמידות חשף מגמות מנוגדות: שכיחות של Klebsiella pneumoniae העמידה לקרבפנם עלתה באופן מדאיג מ-5.6% ל-20.0%, בעוד ששכיחות של Staphylococcus aureus העמיד למתהיצילין ירדה מ-48.8% ל-25.8%. ניתוח רשת המחברים חשף מבנה ריכוזי מאוד עם שיתופי פעולה בינ-אזוריים מוגבלים. טיפולים חדשניים, כולל פפטידים אנטימיקרוביאליים, טיפול בפאג'ים ויישומי למידת מכונה, הראו עלייה משמעותית. באופן כללי, הדפוסים הביבליומטריים מצביעים על כך שמחקרי AMR בסין התפתחו מניטור תיאורי לעבר חקירה מכניסטית ותשומת לב גוברת להתערבויות חדשניות. הירידה בניגוד לעלייה בפתוגנים העמידים לקרבפנם מול Staphylococcus aureus העמיד למתהיצילין מדגישה את הצורך בניטור לאומי מתמשך, שיתוף פעולה בינ-אזורי חזק יותר, ניהול ממוקד של אנטיביוטיקה (antimicrobial stewardship) והעברה זהירה של טכנולוגיות עולות לפרקטיקה הקלינית.
מבוא
עמידות לאנטיביוטיקה (AMR) מהווה איום קריטי על בריאות הציבור העולמית, כאשר ארגון הבריאות העולמי מזהה אותה כאחד מעשרת איומי הבריאות המובילים העומדים בפני האנושות1. הנטל הכלכלי של AMR הוא משמעותי, ותחזיות מצביעות על כך שעד שנת 2050, זיהומים עמידים עלולים לגרום ל-10 מיליון מקרי מוות מדי שנה ברחבי העולם אם המגמות הנוכחיות יימשכו2. המנגנונים הבסיסיים של עמידות לאנטיביוטיקה בחיידקים כוללים התאמות גנטיות ופנוטיפיות מורכבות, הכוללות שינוי אנזימטי של התרופה, שינויים באתר המטרה, ביטוי יתר של משאבות השחלה (efflux pumps) ויצירת ביופילם, אשר יחד מאיימים על היעילות של כלי הטיפול הקיימים3. הערכות גלובליות אחרונות הדגישו עוד יותר את ההיקף הנרחב של אתגר זה, כאשר העמידות לאנטיביוטיקה מוכרת כעת כתופעה אקולוגית מורכבת הדורשת פעולה מתואמת במגזרי בריאות האדם, חקלאות בעלי חיים ומגזרי הסביבה4. ל-AMR יש גם השלכות רחבות יותר על פיתוח בר-קיימא, כולל יעדים סביבתיים וסוציו-כלכליים5. האתגר חריף במיוחד במאבק בעמידות במלריה, HIV ושחפת, שבהם זנים העמידים למספר תרופות מאיימים על עשורים של התקדמות בבקרה על מחלות זיהומיות6. ניתוחים היסטוריים של האפידמיולוגיה של AMR בסין תיעדו מאפיינים ייחודיים בהשוואה לאוכלוסיות במערב, כולל פרופילי גנים עמידים ייחודיים ודינמיקת העברה המעוצבת על ידי פרקטיקות של שירותי בריאות ודפוסי צריכת אנטיביוטיקה7.
סין, עם אוכלוסייתה הגדולה וצריכת האנטיביוטיקה המשמעותית שלה, ניצבת בפני אתגרי AMR חמורים במיוחד. השימוש באנטיביוטיקה לנפש בסין נותר גבוה באופן משמעותי בהשוואה למדינות אירופיות רבות, מה שיוצר לחץ סלקטיבי המניע את התפתחות העמידות8. מתוך הכרה בחומרת משבר זה, ממשלת סין יישמה את תוכנית הפעולה הלאומית לבלימת עמידות לאנטימיקרוביאליים (2016–2020, 2022–2025) והקימה את מערכת המעקב הסינית לעמידות לאנטימיקרוביאליים (CARSS) למעקב אחר דפוסי עמידות ברחבי המדינה9. מנקודת מבט אזורית, דרום-מזרח אסיה הפכה למוקד קריטי למחקר והפצה של AMR, כאשר ניתוחים ביבליומטריים חושפים תפוקת מחקר הצומחת במהירות ובמקביל למסלולה של סין10. מגמות ותחזיות גלובליות מצביעות על כך שבלי התערבות נחרצת, נטל התמותה מ-AMR ישפיע באופן לא פרופורציונלי על מדינות בעלות הכנסה בינונית, כאשר חלק מהתחזיות מעריכות כי אזור אסיה-פסיפי עשוי להוות כמעט מחצית מכלל מקרי המוות הקשורים לעמידות עד אמצע המאה11. תחזיות מדאימות אלו זירזו התחייבויות בינלאומיות לניהול תרופות אנטימיקרוביאליות (antimicrobial stewardship), אם כי עדיין קיימים פערים ביישום בין ניסוח המדיניות לבין הפרקטיקה הקלינית ברחבי העולם12. יוזמות אלו הניבו נתונים נרחבים על אפידמיולוגיה של עמידות, מנגנונים מולקולריים ותוצאות קליניות, ובכך סיפקו מקור עשיר לניתוח ביבליומטרי. לפיכך, מסגרות One Health עדכניות מדגישות התערבויות מתואמות בתחומי בריאות האדם, בריאות בעלי החיים, החקלאות ומגזרי הסביבה, בתמיכת ניהול תרופות אנטימיקרוביאליות וטכנולוגיות לאבחון מהיר13.
ניתוח ביבליומטרי, המשתמש בשיטות מתמטיות וסטטיסטיות כדי לנתח כמותית ספרות פרסומה, מאפשר לחוקרים לחשוף נקודות חמות (hotspots) של מחקר, לעקוב אחר מסלולי התפתחות ולחזות כיוונים עתידיים14. כלי ויזואליזציה כגון CiteSpace הופכים נתוני ציטוטים מורכבים למפות ידע אינטואיטיביות, ובכך חושפים דפוסים נסתרים בספרות המדעית15. מחקרים ביבליומטריים קודמים מיפו מגמות מחקר בתחומי AMR ספציפיים, כולל מחקר גלובלי על עמידות לפטריות16. עם זאת, ניתוח ביבליומטרי מקיף המשלב מחקרים בשפה הסינית ובשפה האנגלית על AMR בסין עדיין מוגבל. בניגוד לניתוחים ביבליומטריים קודמים שהתמקדו בתחומי AMR ספציפיים, המחקר הנוכחי משלב רשומות מה-CNKI בשפה הסינית ומה-Web of Science בשפה האנגלית, ומסגר את הממצאים הביבליומטריים באופן נפרד באמצעות מגמות ניטור של CARSS הלאומי. מחקר זה שואף לספק ניתוח ביבליומטרי שיטתי של מחקרי AMR בסין בין השנים 2016–2025, תוך שימוש בתוכנת CiteSpace ליצירת מפות ידע ולמתן המלצות מבוססות ראיות לסדרי עדיפויות מחקריים עתידיים ולפיתוח מדיניות. תכנון משולב זה מספק מבט דו-לשוני על נוף המחקר, תוך שהוא מאפשר לפרש מגמות ביבליומטריות לצד נתוני ניטור עמידות לאומיים, אך באופן בלתי תלוי מהם.
פרוטוקול
מקורות נתונים
חיפוש ספרות מקיף בוצע both במאגרי מידע בינלאומיים ומקומיים כדי להבטיח כיסוי גלובלי של מחקרי AMR הקשורים לסין. עבור הספרות הבינלאומית, ביצענו חיפוש שיטתי ב-Web of Science Core Collection (כולל Science Citation Index Expanded, SCI-E) וב-China National Knowledge Infrastructure (CNKI) מה-1 בינואר 2016 ועד ה-31 בדצמבר 2025. שאילתת Boolean מדויקת עבור SCI-E: TS = ((“antimicrobial resistance” OR “antibiotic resistance” OR “drug resistance”) AND (“China” OR “Chinese” OR “Mainland China”)). עבור CNKI, שדה ה-Subject נסרק באמצעות המקבילים בשפה הסינית למונחים “antibiotic resistance”, “antimicrobial resistance” ו-“drug resistance”, בשילוב עם “China”. לא בוצע מיזוג רשמי של מילות מפתח ומילים נרדפות או עיבוד מקדים מבוסס תסאורוס לפני ניתוח ה-CiteSpace. החיפוש הסופי בוצע ב-28 באפריל 2026, כדי לאפשר זמן מספיק למאמרים שפורסמו עד ה-31 בדצמבר 2025 להיות מאונדקסים במאגרי המידע. מסנן שנת הפרסום במאגרי המידע הוגבל לשנים 2016–2025. רשומות המסומנות כ-Early Access נבדקו בנוסף במהלך הסינון, ומאמרים שתאריך הפרסום המקוון הראשון שלהם היה ב-2026 הוצאו מהניתוח. תוויות מילות מפתח נבדקו אל מול פלט ה-CiteSpace המקורי כדי להבטיח טרמינולוגיה עקבית בטקסט, בטבלאות ובאיורים.
בחיפוש ב-CNKI, נשלפו 983 רשומות מתוך ה-Peking University Core Journals (PKU Core), 802 מה-Chinese Science Citation Database (CSCD), ו-462 מה-World Journal Clout Index (WJCI). מכיוון שמאמר בודד עשוי להיות מאונדקס ביותר מקטגוריה אחת מאלה, מספרים אלו מייצגים רשומות שליפה ספציפיות לקטגוריה ואינם מהווים ספירות פרסומים שאינן חופפות. לכן, שלוש קבוצות הרשומות מוזגו לפני סינון הזכאות. כפילויות זוהו תחילה באמצעות התאמה מדויקת של ה-DOI. עבור רשומות ללא DOI, הושוו כותרות מאמרים מנורמלות יחד עם שם המחבר הראשון ושנת הפרסום. רשומות עם מטא-נתונים חסרים או לא עקביים נסקרו ידנית. כאשר אותו מאמר הופיע בשתי קטגוריות אינדוקס או יותר ב-CNKI, הוא נשמר פעם אחת בלבד במאגר ה-CNKI המשולב, ללא קשר למספר הקטגוריות שבהן הוא אונדקס. לאחר הסרת כפילויות בתוך ה-CNKI וסינון זכאות, נשמרו 1,096 מאמרים ייחודיים בשפה הסינית. לא הוחל סף של מקדם השפעה (impact-factor) של כתבי עת, מכיוון שמטרת מחקר זה הייתה לאפיין את נוף המחקר הכולל של AMR ולא להגביל את הקורפוס בהתאם ליוקר כתב העת. לא בוצעו הערכות פורמליות של איכות מתודולוגית או סיכון להטיה של פרסומים בודדים, מכיוון שמטרת מחקר זה הייתה לאפיין את הנוף הביבליומטרי הכולל ולא להעריך את האיכות המתודולוגית ברמת המחקר.
במאגרי SCI-E ו-CNKI זוהו בתחילה 5,286 רשומות. לאחר מכן, הופעלו אותם קריטריונים המבוססים על DOI, כותרת, מחבר ושנה כדי לזהות חפיפות פוטנציאליות בין מערכי הנתונים של CNKI ו-Web of Science. בסך הכל הוסרו 2,190 רשומות במהלך תהליך משולב של הסרת כפילויות ובדיקת התאמה, מה שהותיר 3,096 פרסומים לניתוח. התהליך המלא של זיהוי הספרות, הסינון וההכללה מוצג ב- איור משלים 1.
קריטריוני ההכללה היו: מחקרים המתמקדים בעמידות חיידקים לאנטיביוטיקה (AMR) בסין; מאמרים המדווחים על שיעורי עמידות, אפידמיולוגיה מולקולרית, תוצאות קליניות או אסטרטגיות התערבות; ופרסומים שפורסמו בין 1 בינואר 2016 ל-31 בדצמבר 2025. רשומות כפולות, פרסומים משנת 2026, סקירות או מטא-אנליזות ללא מערכי נתונים מקוריים, ומחקרים שהוגבלו ל-AMR וטרינרי או סביבתי ללא מרכיב של בריאות האדם הוצאו מהניתוח. סקירות ומטא-אנליזות ללא מערכי נתונים ראשוניים חדשים הוצאו מכיוון שהניתוח תוכנן לאפיין פלט של מחקר מקורי. הגבלת הקורפוס למחקר מקורי משפרת את ההשוואתיות של מדדים ביבליומטריים, כולל מספר פרסומים, דפוסי שותפות בכתיבה, שכיחות מילות מפתח ומדדים הקשורים לציטוטים, כיוון שמאמרים של סינתזת ראיות מרכזים מחקרים קודמים ועשויים להציג פרופילי ציטוט ומילות מפתח שונים באופן משמעותי. לאחר הסרת כפילויות בין מאגרי המידע וסינון של כותרות ותקצירים, נכללו בסך הכל 3,096 פרסומים לניתוח ביבליומטרי, הכוללים 1,096 מאמרים בשפה הסינית (35.4%) ו-2,000 פרסומים בשפה האנגלית (64.6%).
שיטות אנליטיות
לביצוע הניתוח הביבליומטרי נעשה שימוש ב-CiteSpace (Drexel University, Philadelphia, PA, USA)17. טווח הזמנים היה 2016–2025 עם אורך פרוסה של שנה אחת. סוגי הצמתים נבחרו בנפרד עבור ניתוחי מחברים, מוסדות ומילות מפתח. לבחירת הצמתים נעשה שימוש ב-g-index עם k = 10; התצורה המוצגת השתמשה גם ב-LRF = 2.5, L/N = 10, LBY = 5, ו-e = 1.0. גיזום מסלול (Pathfinder pruning) הוחל על רשתות המחברים, מילות המפתח והצבירים כדי להפחית קשרים מיותרים תוך שמירה על מבנה הרשת העיקרי. פרוסת זמן של שנה אחת נבחרה כדי לשמר שינויים שנתיים בתוך חלון המחקר בן 10 השנים.
נעשה שימוש בארבעה מודולים אנליטיים מרכזיים: ניתוח שותפות בכתיבה (co-authorship analysis) למיפוי רשתות שיתוף פעולה בין מחברים ומוסדות; ניתוח הופעה משותפת של מילות מפתח לזיהוי תמות מחקר והקשרים ביניהן; ניתוח אשכולות (cluster analysis) באמצעות אלגוריתם Log-Likelihood Ratio (LLR) להוצאת אשכולות תמטיים עם תיוג אוטומטי; וזיהוי התפרצויות (burst detection) באמצעות האלגוריתם של קליינברג (Kleinberg) לזיהוי מגמות מתהוות וחזיתות מחקר. מדדי רשת, כולל מודולריות Q וממוצע צללית (silhouette) S, שימשו להערכת איכות האשכולות. ערך מודולריות Q הגבוה מ-0.3 מעיד על מבנה קהילתי משמעותי, בעוד שערך ממוצע צללית הגבוה מ-0.7 מעיד על עקביות גבוהה בתוך האשכול ועל הקצאת אשכול אמינה18.
ניתוח סטטיסטי של מגמות עמידות
מגמות שיעורי העמידות עבור פתוגנים מרכזיים הופקו מהדוחות השנתיים של מערכת המעקב אחר עמידות לאנטימיקרוביאליים בסין (CARSS) (שנים 2016–2025), המרכזים נתונים מבתי חולים סנטנליים משתתפים ברחבי המדינה. נתוני מעקב אלו נותחו באופן בלתי תלוי מהקורפוס הביבליומטרי ולא הוקצו מתוך, לאאגרו או שלא נכללו בין 3,096 הפרסומים מ-Web of Science ו-CNKI ששימשו לניתוחי CiteSpace.
עבור כל שילוב של פתוגן–אנטימיקרוביאל, חילצנו את שיעור העמידות השנתי (אחוז האיזולטים הייחודיים העמידים לסוכן שצוין), את המספר הכולל של האיזולטים שנבדקו (המכנה), ואת מספר בתי החולים המשמשים כנקודות מעקב (sentinel hospitals) שסיפקו נתונים. בדיקות הרגישות בוצעו באמצעות שיטות סטנדרטיות של מיקרו-דילול במצע נוזלי (broth microdilution) או דיפוזיה של דיסקיות (disk diffusion), כאשר הפרשנות התבססה על הנחיות של המכון לתקני קליניקה ומעבדה (CLSI) (מסמכי M100, מהדורות 2016–2025).
כדי להעריך מגמות זמניות, ביצענו ניתוח רגרסיה ליניארית כאשר שיעור העמידות שימש כמשתנה התלוי והשנה כמשתנה הבלתי תלוי, עבור תקופה מלאה של 10 שנים (2016–2025). שיפוע הרגרסיה (β) ומקדם הדטרמינציה (R2) חושבו עבור כל זוג פתוגן–אנטימיקרוביאל. כדי להתחשב בשינויים אפשריים בכיסוי המעקב (למשל, הרחבה מ-1,398 בתי חולים בשנת 2016 ל-2,349 בתי חולים בשנת 2025), ביצענו גם ניתוחי רגישות שבהם שקלנו את שיעור העמידות של כל שנה לפי ההופכי של מספר בתי החולים המשתתפים ולפי ההתפלגות הגיאוגרפית של אתרי הדיווח. מודלים משוקללים אלו הניבו כיווני מגמה ורמות מובהקות העקביות עם הניתוחים הבלתי משוקללים; לכן, התוצאות הבלתי משוקללות מוצגות לצורך פשטות ויכולת פרשנות. כל הניתוחים הסטטיסטיים בוצעו באמצעות R גרסה 4.3.2 (R Foundation for Statistical Computing, Vienna, Austria). ערך p דו-זנבי <0.05 נחשב למובהק סטטיסטית.
תוצאות
מגמות פרסום
בסך כולל של 3,096 פרסומים נכללו בניתוח. התפוקה השנתית הכוללת עלתה מ-357 פרסומים בשנת 2016 לשיא של 365 בשנת 2022, ולאחר מכן ירדה באופן רציף ל-146 בשנת 2025 (איור 1). התפוקה בשפה האנגלית עלתה מ-130 פרסומים בשנת 2016 ל-295 בשנת 2022, לפני שירדה ל-69 בשנת 2025. התפוקה בשפה הסינית ירדה מ-227 פרסומים בשנת 2016 ל-93 בשנת 2019, עלתה במהלך השנים 2020–2021, והסתיימה ב-77 בשנת 2025 (איור 1).
ההפצה הלשונית חשפה דפוסים מעניינים: בעוד שפרסומים בשפה הסינית דומיננטיים באופן כללי (63.6%) בשנת 2016, פרסומים באנגלית הראו צמיחה יחסית מהירה יותר, עם עלייה מ-130 מאמרים בלבד (36.4%) בשנת 2016 ל-295 מאמרים (80.8%) בשנת 2022. שינוי זה משקף שיתוף פעולה בינלאומי מוגבר והשפעה גלובלית גוברת של מחקרי AMR סיניים.
רשתות שיתוף פעולה מוסדיות ושל מחברים
ניתוח רשת זיהה את המחברים המרכזיים ואת דפוסי שיתוף הפעולה ברשת המחברים המשותפים (איור 2). טבלה 1 מציגה את 10 המחברים הפוריים ביותר. Wang Juan מאוניברסיטת החקלאות של דרום סין ו-Yue Min מאוניברסיטת Zhejiang היו שווים בתוצר הפרסומים הגבוה ביותר, עם 44 פרסומים לכל אחד. Xu Xuebin מהמרכז העירוני של שנגחאי לבקרת מחלות ומניעה ו-Wu Qingping מהאקדמיה למדעים של גואנגדונג פרסמו כל אחד 42 מאמרים, ואחריהם Zhang Jumei מהאקדמיה למדעים של גואנגדונג עם 41 מאמרים. שני מחברים מאותו מוסד (Wu Qingping ו-Zhang Jumei במכון למיקרוביולוגיה, האקדמיה למדעים של גואנגדונג) נמצאים בין חמשת הראשונים, מה שמעיד על פעילות מחקרית מוסדית חזקה במרכז זה. מספר הפרסומים פורש כמדד לפוריות המחקרית, בעוד שמרכזיות הביניים (betweenness centrality) פורשה בנפרד כמדד לתפקידו של מחבר כגשר בתוך רשת שיתוף הפעולה. ערכי מרכזיות הביניים שלהם היו 0.01 ו-0.04, בהתאמה.
רשת שיתופי הפעולה בין המחברים כללה 248 צומתים ו-420 קישורים, עם צפיפות של 0.0137. צפיפות נמוכה זו מעידה כי רק חלק קטן מכל זוגות המחברים האפשריים היו מחוברים, מה שמרמז על כך ששיתופי הפעולה התרכזו במספר מוגבל של קבוצות מחקר ולא היו מפוזרים באופן רחב ברחבי הרשת. במידה ניכרת, שיתופי פעולה בין-מוסדיים היו פחות שכיחים משותפויות תוך-מוסדיות, מה שמעיד על פוטנציאל לשיפור שיתופי הפעולה הבין-בתי-חולים. המוסדות המובילים התרכזו בעיקר במרכזי מחקר ובמרכזים מטרופוליניים מרכזיים במזרח, ובמיוחד בבייג'ינג, שנחאי, האנג'ואו, גואנגז'ו ויאנגז'ו.
ניתוח מוסדי הראה כי אוניברסיטת Zhejiang דורגה במקום הראשון, עם 195 פרסומים ו-10,660 ציטוטים, ואחריה אוניברסיטת החקלאות של דרום סין עם 112 פרסומים ואוניברסיטת החקלאות של סין עם 99 פרסומים (טבלה 2). מבין 10 המוסדות המובילים, חמישה היו ממוקמים בבייג'ינג, שניים בשנגחאי, ואחד בכל אחד מהערים יאנגז'ו, האנג'גו וגואנגז'ו. לא בוצע ניתוח רשמי של תפוקת הפרסומים לפי חלקי סין (מזרח/מרכז/מערב).
מוקדי מחקר וניתוח מילות מפתח
ניתוח שכיחות משותפת של מילות מפתח זיהה 257 צמתים של מילות מפתח עם 932 קשרי שכיחות משותפת (איור 3). צפיפות הרשת הייתה 0.0283, עם ממוצע של כ-7.3 קשרים למילת מפתח, מה שמעיד על קוהרנטיות תמטית מתונה. טבלה 3 מקיים רשימה של 10 מילות המפתח בעלות התדירות הגבוהה ביותר. "עמידות לאנטימיקרוביאליים" הופיע כצומת מרכזי עם 285 מופעים במטריצת השכיחות המשותפת ומרכזיות של 0.92, ואחריו "קרבפנם" (192 מופעים, מרכזיות 0.78) ו- "ESBL" (בטווח רחב β-lactamase; 168; 0.72). הפער בין מספרי ההסתנכרנות (co-occurrence counts) למספרי המופעים הכוללים ב- טבלה 3 נובע מכך ש- טבלה 3 מדווח על תדירויות גולמיות של מונחים מכלל הקורפוס, בעוד שמטריצת השכיחות המשותפת של הרשת סופרת רק הופעות משותפות בתוך אותו מסמך; שני המדדים מדווחים למען השלמות.
רשת מילות המפתח חשפה צבירים תמתיים מובחנים. מילות מפתח ספציפיות לפתוגנים (K. pneumoniae, A. baumannii, P. aeruginosa) הצטברו בצמימות עם מנגנוני עמידות (קרבפנמאזות, ביופילם), בעוד מונחים של ניהול קליני (stewardship, טיפול משולב) הרכיבו צביר נפרד אך מקושר. מבנה זה מרמז כי המחקר התפתח ממחקרי פתוגנים תיאוריים לעבר הבנה מנגנונית ואסטרטגיות התערבות.
ניתוח אשכולות באמצעות אלגוריתם ה-LLR זיהה 15 אשכולות מילות מפתח עם מודולריות Q של 0.8108 וממוצע צללית (silhouette) S של 0.9388 (איור 4). ששת האשכולות העיקריים שהודגשו בציר הזמן היו #0 "גן virulent", #2 "Klebsiella pneumoniae", #4 "גנים לעמידות לאנטימיקרוביאליים", #5 "עמידות לאנטיביוטיקה", #6 "אפידמיולוגיה מולקולרית", ו-#7 "Escherichia coli". ציר הזמן מראה כי נושאים רחבים של עמידות לאנטיביוטיקה, ניטור פתוגנים ואפידמיולוגיה מולקולרית היו בולטים במהלך השנים המוקדמות, בעוד שגנים לוירולנציה, גנים לעמידות לאנטימיקרוביאליים ו-Klebsiella pneumoniae נותרו פעילים גם בתקופה המאוחרת יותר. החפיפה הזמנית בין האשכולות מעידה על גיוון מצטבר של נושאי המחקר ולא על החלפה רצפית מוחלטת של נושא אחד באחר.
מרכזיות הבינאות (betweenness centrality) הגבוהה של "Carbapenem" ו-"ESBL" מעידה על כך שעמידות ל-β-lactam שימשה כנושא מקשר חשוב ברחבי הרשת הביבליומטרית. בולטות תמטית זו הייתה עקבית עם נתוני המעקב החיצוניים של CARSS המוצגים להלן, אך בלתי תלויה מבחינה אנליטית מהם; נתונים אלו הראו עלייה בעמידות לקרבפנמים ב-Klebsiella pneumoniae ועמידות גבוהה ומתמשכת לקרבפנמים ב-Acinetobacter baumannii.
מגמות עמידות ודפוסים אפידמיולוגיים
בניתוח נפרד, נתוני המעקב החיצוניים של CARSS סיפקו הקשר אפידמיולוגי לבולטות הביבליומטרית של נושאי עמידות לקרבפנמים ול-β-lactam וחשפו מגמות עמידות מגוונות עבור פתוגנים ספציפיים (טבלה 4). MRSA הראה ירידה עקבית ומשמעותית מ-48.8% בשנת 2016 ל-25.8% בשנת 2025 (β = –2.43% לשנה, R2 = 0.94, p < 0.001), המייצגת הפחתה יחסית של 47.1%. הירידה ב-MRSA הייתה עקבית מבחינה זמנית עם יישומם של מעקב פעיל, אמצעי זהירות במגע, פרוטוקולים של דקולוניזציה ואמצעי לניהול תרופות אנטימיקרוביאליות בבתי חולים בסין19, אם כי הניתוח האקולוגי הנוכחי אינו יכול לייחס את המגמה להתערבות אחת בלבד. מחקרים ארציים קודמים דיווחו על קשרים בין שימוש בקרבפנמים ובצפלוספורינים מהדור השלישי לבין עמידות בקרב פתוגנים גרם-שליליים20, מה שסיפק הקשר הסברי אפשרי למגמות שנצפו. עם זאת, נתוני צריכה של תרופות אנטימיקרוביאליות לא נותחו באופן ישיר במחקר הנוכחי.
לעומת זאת, נרשמה עלייה מדאיגה בעמידות לקרבפנמים בפתוגנים גרם-שליליים. שיעור ה-CRKP עלה בצורה דרמטית מ-5.6% (2016) ל-20.0% (2025) (β = +1.61% לשנה, R2 = 0.97, p < 0.001), מה שמייצג עלייה של פי 3.6. *Acinetobacter baumannii* העמיד לקרבפנמים (CRAB) שמר על מעמד אפידמי ברמה גבוהה לאורך כל התקופה, עם עלייה מ-56.0% ל-76.5% (β = +2.35% לשנה, R2 = 0.92, p < 0.001), כאשר באזורים מסוימים דווח על שיעורים העולים על 80%. אנטרוקוקים העמידים לוונקומיצין (VRE), למרות שהתחילו מבסיס נמוך (1.5%), הראו מגמת עלייה עקבית שהגיעה ל-6.5% בשנת 2025 (β = +0.56% לשנה, R2 = 0.89, p < 0.001). בניגוד לירידה הבולטת ב-MRSA, *Pseudomonas aeruginosa* העמיד לקרבפנמים (CRPA) הראה ירידה מתונה בלבד מ-25.0% ל-19.9%. באופן כללי, מסלולי העמידות היו ספציפיים לפתוגן ולא אחידים: MRSA ו-CRPA ירדו, בעוד ש-CRKP, CRAB ו-VRE עלו במהלך תקופת המחקר.
חזיתות מחקר מתהिलכות
זיהוי פרציות (burst detection) העלה את 10 מילות המפתח עם אותות הפרציה החזקים ביותר (איור 5 ו-טבלה 5). mcr-1 (Mobilized colistin resistance-1) הראה את הפרציה החזקה ביותר (9.12; 2016–2022), בעוד שקרבפנמאז (carbapenemase) הראה פרציה חלשה מעט יותר אך ממושכת יותר (8.52; 2016–2024). נקודת הלהט של mcr-1 ייצגה בעיקר מסלול מחקר ממוקד גן, שהתקדם מזיהוי ואפיון מולקולרי של עמידות לקוליסטין המתווכת על ידי פלסמיד לעבר ניטור של הפצתו. לעומת זאת, הפרציה הממושכת של קרבפנמאז שיקפה תשומת לב מתמשכת שנמתחה ממנגנוני אנזימים וגני עמידות לאפידמיולוגיה מולקולרית, העברה קלינית וסוגיות של בקרת זיהומים. מכיוון שזיהוי פרציות מזהה את הריכוז הזמני של תשומת לב מחקרית ולא שלבים פנימיים נפרדים, לא הוקצו גבולות לתתי-תקופות בתוך כל ช่วง פרציה.
פפטידים אנטימיקרוביאליים (עוצמת התפרצות 7.92; 2019–2024), טיפול בפאגים (6.54; 2020–2024), למידת מכונה (5.83; 2021–2024), ורצפים קצרים פליינדרומיים מקובצים בעקביות (CRISPR; 4.92; 2022–2024) הראו כולם מרווחי התפרצות מתמשכים שהסתיימו בשנת 2024. שנות ההופעה המאוחרות יותר שלהם באופן הדרגתי מעידות על עלייתם העקבית של נושאי מחקר חלופיים המבוססים על טכנולוגיה וטיפול. מכיוון שלא חושבו שיעורי צמיחה שנתיים נפרדים של תדירות מילות מפתח, מונחים אלה מתוארים כחזיתות מחקר שזוהו באמצעות זיהוי התפרצות (burst-detected) ולא כנושאים בעלי צמיחה מוכחת משנה לשנה.
זמינות נתונים:
הרשומות הביבליוגרפיות שנותחו במחקר זה נשלפו מ-Web of Science Core Collection ומ-China National Knowledge Infrastructure (CNKI) תחת תנאי הגישה והרישוי של מסדי נתונים אלו. רשומות מקור אלו כפופות למגבלות רישוי של מסדי הנתונים ואינן ניתנות להפצה מחדש על ידי המחברים. אסטרטגיית החיפוש ונהלי הסינון מפורטים בכתב היד וב-Supplementary Figure 1, בעוד שמספרי הפרסומים השנתיים מופיעים ב-Supplementary Table 1. הרשומות הביבליוגרפיות של 3,096 הפרסומים שנכללו בניתוח הסופי מופיעות ב-Supplementary Table 2, וכוללות 2,000 רשומות מ-Web of Science Core Collection ו-1,096 רשומות מ-CNKI. נתוני המעקב אחר עמידות לאנטיביוטיקה נגזרו מדוחות שנתיים גלויים של ה-China Antimicrobial Resistance Surveillance System (CARSS).
איור 1: תפוקת הפרסומים השנתית של מחקרים על עמידות לאנטיביוטיקה בסין משנת 2016 עד 2025 (n = 3,096 פרסומים).האיור מציג את מספר הפרסומים השנתיים בשפה האנגלית, בשפה הסינית ובסך הכל. התפוקה בשפה האנגלית עלתה מ-130 פרסומים בשנת 2016 ל-295 בשנת 2022 וירדה ל-69 בשנת 2025. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.
איור 2: רשת שיתופי פעולה בין מחברים שהופקה מ-2,000 פרסומי SCI-E על עמידות לאנטיביוטיקה בסין שנכללו בניתוח (2016–2025). הרשת מציגה באופן ויזואלי קשרי שותפות בכתיבה בין מחברים שפרסמו על AMR בסין. גודל הצומת מייצג את מספר הפרסומים; עובי הקו מצביע על תדירות שיתוף הפעולה. צבעי הצמתים עוקבים אחר מדרג אזורי הזמן ברירת המחדל של CiteSpace: צמתים סגולים מייצגים את הפרסומים המוקדמים ביותר (2016–2017); צמתים כחולים מייצגים את התקופה האמצעית (2018–2021); וצמתים אדומים/כתומים מייצגים את הפרסומים האחרונים (2022–2025). מרכזיות אינה מקודדת במפורש בצבע הצומת; תחת זאת, צמתים בעלי מרכזיות ביניים גבוהה (>0.1) מודגשים באמצעות טבעת חיצונית בוויזואליזציה. הרשת מורכבת מ-248 צמתי מחברים ו-420 קישורי שיתוף פעולה (צפיפות = 0.0137). מחברים בולטים כוללים את Wang Juan, Yue Min, Xu Xuebin, Wu Qingping, ו-Zhang Jumei. הרכיב המקושר הגדול ביותר מכיל 157 מחברים (63% מהרשת). גיזום בוצע באמצעות אלגוריתם Pathfinder כדי לשפר את הבהירות המבנית. צפיפות הרשת הנמוכה יחסית מעידה על שיתוף פעולה מוגבל בין מוסדות, כאשר פעילויות המחקר מרוכזות במספר קטן של קבוצות מחקר מרכזיות. מקור הנתונים: Web of Science Core Collection; נותחו באמצעות CiteSpace. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של איור זה.
איור 3: רשת הופעה משותפת של מילות מפתח שהופקה מ-2,000 פרסומי SCI-E שנכללו בניתוח מילות המפתח (2016–2025). גודל הצומת מייצג את תדירות מילת המפתח; עובי הקו מציין את עוצמת ההופעה המשותפת. הצבעים עוקבים אחר מדרגת אזורי הזמן של CiteSpace מסגול (2016) דרך כחול (2018–2021) ועד אדום/כתום (2022–2025). ערכי מרכזיות אינם מוצגים כצבעים; במקום זאת, תוויות הצמתים מותאמות בגודלן באופן פרופורציונלי למרכזיות הביניים (betweenness centrality), כאשר תוויות גדולות יותר מעידות על חשיבות גישור רבה יותר. הרשת כוללת 257 צומתי מילות מפתח ו-932 קישורי הופעה משותפת (צפיפות = 0.0283). הרכיב המקושר הגדול ביותר מכיל 157 מילות מפתח (61% מהרשת). מילות מפתח בתדירות גבוהה כוללות “antimicrobial resistance,” “Klebsiella pneumoniae,” “Escherichia coli,” “Staphylococcus aureus,” “prevalence,” ו-“molecular characterization,” המשקפות את נושאי המחקר הדומיננטיים של ניטור עמידות ואפידמיולוגיה מולקולרית. הרשת מדגימה קישוריות פנימית חזקה יותר בהשוואה לרשת שיתופי הפעולה בין המחברים, מה שמעיד על לכידות תמטית בין נושאי מחקר שונים. מקור הנתונים: Web of Science Core Collection; נותח באמצעות CiteSpace. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.
איור 4: ציר זמן של מקבצי מילות מפתח שהופקו מ-2,000 פרסומי SCI-E שנכללו בניתוח מילות המפתח (2016–2025). כל קו אופקי מייצג מקבץ מחקר (#0–#14), כאשר צמתים מציינים מילות מפתח בודדות שהופיעו באותה שנה. גודל הצומת מייצג את שכיחות מילת המפתח. ניתוח המקבצים בוצע באמצעות אלגוריתם Log-Likelihood Ratio (LLR), אשר הניב 15 מקבצים נבדלים בעלי תוקף מבני מצוין (modularity Q = 0.8108, mean silhouette S = 0.9388). ששת המקבצים העיקריים הנדונים בטקסט מייצגים את המקבצים הבולטים ביותר (#0, #2, #4, #5, #6, #7). תצוגת ציר הזמן חושפת תמורות זמניות במוקד המחקר: מקבצים מוקדמים (2016–2018) התרכזו בניטור ואפידמיולוגיה מולקולרית, בעוד שמקבצים שהופיעו מאוחר יותר שילבו כלים גנומיים מתקדמים. הרשת מורכבת מ-257 צומת מילות מפתח ו-315 קישורי הופעה משותפת (density = 0.0096), כאשר הרכיב המקושר הגדול ביותר מכיל 256 צמתים (99% מהרשת). מקור הנתונים: Web of Science Core Collection; הניתוח בוצע באמצעות CiteSpace. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.
איור 510 מילות המפתח עם הזינוק הגבוה ביותר (burst keywords) שזוהו מתוך מאגר הפרסומים של SCI-E על עמידות לאנטיביוטיקה בסין (2016–2025). כל עמודה מייצגת מילת מפתח יחד עם עוצמת הפריצה שלה (ערך מספרי). מקטעים אדומים מציינים את פרקי הזמן שבהם זוהתה פריצה, ומקטעים כחולים מציינים שנים שבהן לא זוהתה פריצה. ציר הזמן האופקי מכסה את תקופת המחקר המלאה משנת 2016 עד 2025. שנות ההתחלה והסיום של כל מקטע אדום תואמות בדיוק לערכי ה-"Begin" וה-"End" המדווחים ב- טבלה 5הפרצים החזקים ביותר נצפו עבור mcr-1 (9.12, 2016–2022) וקרבפנמאז (8.52, 2016–2024), מה שמשקף את הדומיננטיות המתמשכת שלהם כמניעים למחקר. מילות מפתח של התפרצות (Burst keywords) מסווגות לחמש קבוצות תמטיות: גני עמידות (mcr-1); מנגנוני עמידות (קרבפנמאז, יצירת ביופילם); טיפולים חדשניים (פפטידים אנטימיקרוביאליים, טיפול בפאגים); ניהול קליני (ניהול מושכל של אנטימיקרוביאליים, טיפול משולב); וטכנולוגיות (WGS, למידת מכונה, CRISPR). מילות מפתח עם עוצמת התפרצות (burst strength) >נחשבים למשמעותיים. מקור הנתונים: Web of Science Core Collection; הניתוח בוצע באמצעות CiteSpace. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.
| דירוג | מחבר | מוסד | מאמרים | מרכזיות |
| 1 | וואנג ג'ואן | South China Agricultural University | 44 | 0.2 |
| 2 | Yue Min | Zhejiang University | 44 | 0.15 |
| 3 | שואו שובין | המרכז העירוני לבקרת מחלות ומניעתן של שנחאי | 42 | 0.2 |
| 4 | וו צ'ינגפינג | המכון למיקרוביולוגיה, האקדמיה למדעים של גואנגדונג | 42 | 0.01 |
| 5 | Zhang Jumei | המכון למיקרוביולוגיה, האקדמיה של גואנגדונג למדעים | 41 | 0.04 |
| 6 | וואנג יאנג | אוניברסיטת החקלאות של סין | 35 | 0.11 |
| 7 | לי יאן | Zhejiang University | 30 | 0.23 |
| 8 | וואנג ויי | המרכז הלאומי של סין להערכת סיכוני בטיחות מזון | 26 | 0.03 |
| 9 | צ'ן מוטונג | המכון למיקרוביולוגיה, האקדמיה למדעים של גואנגדונג | 25 | 0.07 |
| 10 | וואנג הוי | בית החולים של העם של אוניברסיטת בקינג | 24 | 0.12 |
טבלה 1: 10 המחברים הפוריים ביותר במחקר AMR (2016-2025). מספר הפרסומים מייצג את פוריות המחבר. מרכזיות ביניינית (Betweenness centrality) מודדת את המידה שבה מחבר מקשר בין חלקים נפרדים ברשת השיתופים; ערכים גבוהים יותר מעידים על תפקיד גישור חזק יותר. מספר הפרסומים והמרכזיות פורשו כמדדים ביבליומטריים נפרדים.
| Rank | Institution | City | Publications | Total citations |
| 1 | Zhejiang University | Hangzhou | 195 | 10,660 |
| 2 | South China Agricultural University | Guangzhou | 112 | 7,496 |
| 3 | China Agricultural University | Beijing | 99 | 7,275 |
| 4 | Yangzhou University | Yangzhou | 97 | 2,227 |
| 5 | Shanghai Jiao Tong University | Shanghai | 94 | 3,437 |
| 6 | Chinese Academy of Medical Sciences - Peking Union Medical College | Beijing | 91 | 3,138 |
| 7 | Chinese Center for Disease Control & Prevention | Beijing | 84 | 2,657 |
| 8 | Chinese Academy of Sciences | Beijing | 84 | 4,903 |
| 9 | Chinese Academy of Agricultural Sciences | Beijing | 79 | 1,988 |
| 10 | Fudan University | Shanghai | 78 | 3,392 |
טבלה 2: 10 מוסדות המחקר המובילים לפי תפוקת פרסומים (2016-2025). מספר הפרסומים וסך הציטוטים נכון ל-28 באפריל, 2026. ההתפלגות הגיאוגרפית מראה את בייג'ינג (5 מוסדות בתוך העשירה הראשונה: China Agricultural University, Chinese Academy of Medical Sciences – Peking Union Medical College, Chinese Center for Disease Control and Prevention, Chinese Academy of Sciences, ו-Chinese Academy of Agricultural Sciences), שנחאי (2: Shanghai Jiao Tong University ו-Fudan University), ומוסד אחד בכל אחת מהערים האפשריות האחרות: האנגג'ואו (Zhejiang University), גואנגז'ו (South China Agricultural University), ויאנגז'ו (Yangzhou University). הרשת המוסדית הפגינה התקבצות גיאוגרפית ברורה, כאשר בייג'ינג ושנחאי מהוות 7 מתוך 10 המוסדות המובילים, מה שמעיד על ריכוז של יכולת מחקר באזורי המטרופולין המזרחיים.
| דירוג | מילת מפתח | שכיחות | מרכזיות | קטגוריה |
| 1 | עמידות לאנטיביוטיקה | 1167 | 0.92 | מושג AMR כללי |
| 2 | Carbapenem | 467 | 0.78 | סוג אנטימיקרוביאלי |
| 3 | ESBL | 168 | 0.72 | מנגנון עמידות/פנוטיפ |
| 4 | MRSA | 156 | 0.68 | פתוגן קליני עמיד |
| 5 | ביופילם | 134 | 0.65 | מנגנון עמידות |
| 6 | CRE | 128 | 0.62 | פנוטיפ עמידות/קבוצת פתוגנים |
| 7 | P. aeruginosa | 108 | 0.58 | פתוגן קליני |
| 8 | A. baumannii | 102 | 0.55 | פתוגן קליני |
| 9 | K. pneumoniae | 98 | 0.52 | פתוגן קליני |
| 10 | E. coli | 95 | 0.5 | פתוגן קליני |
טבלה 3: 10 מילות המפתח בעלות התדירות הגבוהה ביותר במחקר AMR (שנים 2016–2025). הקטגוריה מציינת את התפקיד הסמנטי העיקרי של כל מילת מפתח בספרות על עמידות לאנטימיקרוביאליים. מילות המפתח סווגו כמושגי AMR כלליים, מחלקות של חומרים אנטימיקרוביאליים, גנים או מנגנוני עמידות, פנוטיפים של עמידות, פתוגנים קליניים, מונחי טיפול או ניהול, או מונחי מעקב ואפידמיולוגיה, במידת הרלוונטיות. ברשימת 10 המילים המובילות הנוכחית, הקטגוריות המיוצגות היו מושגי AMR כלליים, מחלקות של חומרים אנטימיקרוביאליים, מנגנוני עמידות או פנוטיפים, ופתוגנים קליניים.
| אורגניזם | 2016 | 2018 | 2022 | 2025 | מגמה | ערך p |
| MRSA (סטפילוקוקוס זהב עמיד למתיצילין) | 48.80% | 35.80% | 27.20% | 25.80% | ירידה | <0.001 |
| CRKP | 5.60% | 15.20% | 22.80% | 20.00% | העלאה | <0.001 |
| CRPA | 25.00% | 27.20% | 21.50% | 19.90% | ירידה | 0.003 |
| סרטן | 56.00% | 64.50% | 76.80% | 76.50% | רמה גבוהה | <0.001 |
| VRE (Enterococci עמידים לוונקומיצין) | 1.50% | 2.90% | 5.20% | 6.50% | הגברה | <0.001 |
טבלה 4: מגמות של עמידות לאנטיביוטיקה בפתוגנים עיקריים (2016–2025)כל קו אופקי מייצג את אחד מ-15 הצבירים שנוצרו באמצעות LLR (צבירים #0–#14), וכל צומת מייצגת מילת מפתח המופיעה בשנה המתאימה. גודל הצומת מייצג את תדירות מילת המפתח. ששת הצבירים העיקריים הנידונים בטקסט הם: #0 "ген virulence" (גן virulent), #2 "Klebsiella pneumoniae", #4 "גנים לעמידות לאנטימיקרוביאליים", #5 "עמידות לאנטיביוטיקה", #6 "אפידמיולוגיה מולקולרית", ו-#7 "Escherichia coli". לפתרון הצבירה היה ערך מודולריות Q של 0.8108 וערך silhouette ממוצע S של 0.9388.
| דירוג | מילת מפתח | פריצה (Burst) | התחלה | סיום | קטגוריה |
| 1 | mcr-1 | 9.12 | 2016 | 2022 | גן עמידות |
| 2 | Carbapenemase | 8.52 | 2016 | 2024 | מנגנון עמידות |
| 3 | פפטידים אנטימיקרוביאליים | 7.92 | 2019 | 2024 | טיפול חדשני |
| 4 | היווצרות ביופילם | 7.25 | 2017 | 2024 | מנגנון עמידות |
| 5 | WGS | 7.34 | 2018 | 2024 | טיפוס מולקולרי |
| 6 | ניהול שימוש באנטיביוטיקה | 6.89 | 2017 | 2024 | ניהול קליני |
| 7 | טיפול בפאג'ים | 6.54 | 2020 | 2024 | טיפול חדשני |
| 8 | טיפול משולב | 6.23 | 2017 | 2023 | אסטרטגיית טיפול |
| 9 | למידת מכונה | 5.83 | 2021 | 2024 | טכנולוגיה |
| 10 | CRISPR | 4.92 | 2022 | 2024 | טכנולוגיה |
טבלה 5: 10 מילות המפתח עם ה-Burst הגבוה ביותר המעידות על חזיתות מחקר (2016–2025). עוצמת ה-burst ומשך ה-burst שימשו כאינדיקטורים כמותיים לפעילות בחזית המחקר. לא חושבו שיעורי צמיחה שנתיים נפרדים של תדירות מילות המפתח. עוצמת ה-burst חושבה באמצעות אלגוריתם זיהוי ה-burst של CiteSpace (אלגוריתם של Kleinberg) עם פרמטרים ברירת מחדל (γ = 1.0, משך מינימלי = 2 שנים). מילות מפתח עם עוצמת burst >3.0 נחשבות למשמעותיות. "Begin" ו-"End" מציינים את השנה הראשונה והאחרונה של תקופת ה-burst, כפי שמוצג באיור 5. עמודת הקטגוריה משקפת את הסיווג התמטי של כל מילת מפתח ב-burst. ה-bursts החזקים ביותר נצפו עבור mcr-1 (9.12, 2016–2022) ו-carbapenemase (8.52, 2016–2024), מה שמעיד על תפקידם המרכזי כמניעים למחקר. באופן בולט, גישות טיפוליות חדשניות (פפטידים אנטימיקרוביאליים, טיפול בבקטריופאג'ים) וטכנולוגיות מתפתחות (למידת מכונה, CRISPR) הראו פעילות burst מתמשכת עד שנת 2024, מה שמאותת על שינוי פרדיגמה לעבר מחקר AMR מונחה חדשנות. חלון הזמן האנליטי היה 2016–2025. Burst המסתיים בשנת 2024 מעיד על כך שלא זוהה burst משמעותי עבור מילת מפתח זו בשנת 2025; אין בכך כדי להעיד על כך שחלון הזמן האנליטי הכולל הסתיים בשנת 2024.
איור משלים 1: תרשים זרימה בסגנון PRISMA של זיהוי, סינון והכללה של ספרות. בסך הכל זוהו בתחילה 5,286 רשומות ממסדי נתונים, כולל 3,043 רשומות מ-Web of Science Core Collection Science Citation Index Expanded (SCI-E), 983 רשומות מקטגוריית הכתבי עת הליבה של אוניברסיטת בקינג ב-China National Knowledge Infrastructure (CNKI), 802 רשומות מקטגוריית Chinese Science Citation Database, ו-462 רשומות מקטגוריית World Journal Clout Index. מכיוון ששלוש קטגוריות ה-CNKI חפפו, רשומות ספציפיות לקטגוריה אוחדו לפני הסינון. רשומות כפולות זוהו באמצעות התאמת DOI במידת הזמינות, ולאחריה השוואה של כותרות המאמרים, שמות המחברים הראשונים ושנות הפרסום, עם סקירה ידנית של התאמות לא ודאיות. לאחר ביצוע הסרת כפילויות וסינון התאמה משולבים, הוסרו 2,190 רשומות, ו-3,096 פרסומים נכללו, הכוללים 2,000 פרסומי SCI-E בשפה האנגלית ו-1,096 פרסומי CNKI בשפה הסינית.אנא לחצו כאן להורדת הקובץ.
טבלה נלווית 1: תפוקת פרסומים שנתית של מחקרי עמידות לאנטיביוטיקה בסין משנת 2016 עד 2025. מספרים שנתיים של פרסומים בשפה האנגלית ובשפה הסינית שנכללו בניתוח הביבליומטרי מוצגים יחד עם סך מספר הפרסומים עבור כל שנה. מערך הנתונים הסופי כלל 3,096 פרסומים.אנא לחצו כאן להורדת קובץ זה.
טבלה משלימה 2: רשומות ביבליוגרפיות של פרסומים שנכללו בניתוח הביבליומטרי הסופי. הטבלה מפרטת את 3,096 הפרסומים שנכללו במערך הנתונים האנליטי הסופי, הכולל 2,000 רשומות בשפה האנגלית מתוך Web of Science Core Collection ו-1,096 רשומות בשפה הסינית מתוך China National Knowledge Infrastructure (CNKI). אנא לחצו כאן להורדת קובץ זה.
דיון
הדפוסים הביבליומטריים מצביעים על כך שמחקרי AMR בסין התרחבו בהדרגה מניטור תיאורי ואפיון פתוגנים לעבר מנגנוני עמידות, גישות גנומיות ומחקרים מוכווני התערבות. אשכולות מילות המפתח החופפות ותקופות הפיקים (burst periods) מעידים על גיוון תמתי מצטבר ולא על שלושה שלבים נפרדים ובלעדיים. תזמון שינויים אלו חפף לתוכניות הפעולה הלאומיות לבלימת עמידות לאנטיביוטיקה לשנים 2016–2020 ו-2022–2025, המספקות הקשר מדיניות רלוונטי; עם זאת, הניתוח הביבליומטרי הנוכחי אינו יכול לקבוע כי פרסום המדיניות גרם לשינויים שנצפו בנושאי הפרסומים. העלייה במספר הפרסומים משקפת הן את חומרתה הגוברת (2019–2021) של משבר ה-AMR והן את המחויבות הממשלתית והמוסדית הגוברת לטיפול באתגר זה. בהתאם לכך, יש לפרש את האבולוציה המוצעת של נושאי המחקר באופן תיאורי, והיא לא תוקפה באופן עצמאי באמצעות ניתוח מאמרי מפתח או ניתוח מאמרים בעלי ציטוט גבוה הספציפיים לשלב מסוים. כאשר בוחנים זאת בהקשר גלובלי, מסלול תפוקת המחקר של סין תואם לדפוסים רחבים יותר שנצפו בכלכלות מתעוררות, שבהן נפח הפרסומים על AMR התרחב באופן מעריכי בתגובה לנטל העמידות הגובר21.
הירידה בכמות הפרסומים לאחר השיא בשנת 2022 חפפה לתקופת היישום של תוכנית הפעולה הלאומית השנייה לבלימת עמידות לאנטיביוטיקה (2022–2025), בעוד שההתרחבות המוקדמת התרחשה בעקבות תוכנית הפעולה הראשונה (2016–2020). התאמה זמנית זו עשויה לשקף שינויים בסדרי העדיפויות של המחקר, בהקצאת המימון ובדפוסי הפרסום לאורך שלבי מדיניות עוקבים, ולאו דווקא הפחתה פשוטה בפעילות המחקר בתחום AMR. עם זאת, פיגור בפרסום ובאינדקס, כיסוי מסדי נתונים וקריטריוני ההכשרה של המחקר עשויים היו לתרוף אף הם לירידה הנראית לעין, במיוחד בשנים האחרונות. לפיכך, ניתוח ביבליומטרי זה אינו יכול לבסס קשר סיבתי בין תוכנית הפעולה הלאומית לבין כמות הפרסומים.
ניתוח רשת השיתופים חושף מבנה ריכוזי מאוד, כאשר Wang Juan, Yue, Min ואוניברסיטת Zhejiang משמשים כצמתים קריטיים המחברים בין מרכזי מחקר אזוריים. עם זאת, השיתוף הפעולות המוגבל בין אזורים שונים (צפיפות הרשת = 0.0137) מצביע על כך שצפיפות רשת השיתופים הנמוכה משקפת קישוריות מוגבלת בין קבוצות מחקר; יחד עם זאת, לא בוצע ניתוח פרסומים אזורי רשמי עבור המזרח/מרכז/מערב. מסגרת ישימה לשיתוף פעולה בין-אזורי יכולה להשתמש ב-CARSS כעמוד השדרה הלאומי למעקב ותיאום נתונים, בקונסורציומים רפואיים אזוריים כיחידות להרמוניזציה של איסוף דגימות, נהלי בדיקות רגישות ותיקוף קליני רב-מרכזי, ובפלטפורמות מחקר אוניברסיטאיות כמרכזים לריצוף גנומי, ביואינפורמטיקה ופיתוח מתודולוגי. מילוני נתונים משותפים, מערכי נתונים אנונימיים בעלי יכולת פעולה הדדית, בינצ'מרקינג בין-אזורי קבוע ופרויקטים משותפים להתרעה מוקדמת עשויים לסייע בתרגום אותות מעקב לסדרי עדיפויות מחקריים ולפעולות ניהול תרופות המותאמות מקומית. מסגרת מוצעת זו מהווה נתיב יישום שנגזר מממצאי הרשת, ולא התערבות שנבחנה ישירות במחקר הנוכחי.
מגמות העמידות המנוגדות שזוהו במחקר זה נושאות השלכות קליניות עמוקות. הירידה הדרמטית ב-MRSA (48.8%→25.8%; β = –2.43% לשנה, p < 0.001) מוכיחה כי התערבויות לאומיות מתואמות — הכוללות מעקב חובה, קמפיינים להיגיינת ידיים וניהול מושכל של אנטיביוטיקה (antimicrobial stewardship) — יכולות להילחם ביעילות בפתוגנים עמידים22.
המסלולים השונים משקפים ככל הנראה הבדלים בין פתוגנים בלחץ הברירה האנטי-מיקרוביאלי, במנגנוני העמידות, בהתמדה אקולוגית, בדינמיקת ההדבקה ובתגובתיות לאמצעי בקרה של זיהומים. הירידה ב-MRSA עשויה להיות קשורה ליישום רחב יותר של תוכניות מעקב ובקרת זיהומים, בעוד שהעמידות הגוברת או הגבוהה בעקביות בקרב CRKP ו-CRAB עשויה לשקף את התפוצה המתמשכת של דטרמיננטים לעמידות לקרבפנמים ואת הקושי בבקרת אורגניזמים גרם-שליליים העמידים למספר תרופות. הירידה הצנומה ב-CRPA מעידה על כך שלא ניתן להכליל מגמות עמידות על פני כל הפתוגנים העמידים לקרבפנמים. בדומה לכך, העלייה ב-VRE מקו בסיס נמוך יחסית מחייבת ניטור מתמשך. מכיוון שגורמים אלו לא נמדדו באופן ישיר, יש להתייחס אליהם כפרשנויות סבירות ולא כאל מנגנונים סיבתיים שהוכחו.
בעקביות עם ניתוח פרצי המידע, mcr-1 וקרבפנמאז (carbapenemase) נותרו נושאי מחקר בולטים, דבר המשקף תשומת לב מתמשכת לעמידות ניידת לקוליסטין ולאורגניזמים העמידים לקרבפנמים. הופעתם של פפטידים אנטימיקרוביאליים וטיפול בפאגים מעידה על עניין גובר בחלופות לאנטיביוטיקה קונבנציונלית, בעוד שריצוף גנומי מלא, למידת מכונה ו-CRISPR משקפים תשומת לב גוברת למעקב גנומי, לחיזוי עמידות ולגישות ממוקדות גנים. מחקרים אחרונים הדגישו עוד יותר את היישומים הפוטנציאליים של בינה מלאכותית במעקב אחר AMR, זיהוי סמני עמידות, ניתוח ביופילמים, דיאגנוסטיקה וגילוי חומרים אנטימיקרוביאליים12,23,24,25.
עם זאת, זיהוי מונחים אלו כחזיתות מחקר אינו מעיד על מוכנות קלינית. מודלים של למידה חישובית דורשים מאגרי נתונים רב-מרכזיים סטנדרטיים, תיקוף חיצוני ופרוספקטיבי, פרשנות של המודל ושילוב עם זרימות עבודה מעבדתיות וקליניות. טיפול בפאגים ניצב בפני אתגרים הנוגעים לסגוליות של זנים, עקביות בייצור, בקרת איכות, התפתחות עמידות וסטנדרטיזציה רגולטורית, בעוד שאסטרטגיות אנטי-בקטריאליות מבוססות CRISPR נותרות מוגבלות על ידי יעילות ההספקה, השפעות מחוץ למטרה (off-target effects), בטיחות ביולוגית ודרישות הכלה. מחקר בינלאומי מדגיש יותר ויותר תיקוף רב-מרכזי, ייצור סטנדרטי ומסלולים רגולטוריים; ממדים אלו יש להביא בחשבון גם בעת הערכת הבשלות התרגומית של מחקרים שנערכו בסין. מאחר שהמחקר הנוכחי לא השווה כמותית בין שלבי הפיתוח הקליני המקומיים לבינלאומיים, פרשנות זו נותרת איכותנית.
מחקרים שנערכו באוכלוסיות קליניות מגוונות ובמסגרות זיהום שונות מדגימים שונות משמעותית בהפצת פתוגנים ובפרופילים של עמידות לאנטימיקרוביאליים26,27,28,29,30,31,32,33,34,35,36,37,38. במבט כולל, דוחות אלו מצביעים על כך שדפוסי עמידות מושפעים ממאפייני המטופל, מאתרי הזיהום, מחשיפה לאנטימיקרוביאליים וממהאפידמיולוגיה המקומית. פתוגנים גרם-שליליים העמידים לקרבפנמים נותרים מקור לדאגה חוזרת במסגרות מרובות, בעוד שטיפול אמפירי צריך להיות מונחה על ידי מעקב מקומי ובדיקות רגישות סטנדרטיות. ראיות הנוגעות לטיפול משולב, שילובי β-lactam/β-lactamase inhibitor, נגזרות של טטרהציקלין וטיפולים חלופיים אחרים מספקות גם הקשר קליני לנושאים הטיפוליים שזוהו בניתוחי מילות המפתח וה-burst30,39.
בעקביות עם הממצאים של מילות המפתח והאשכולות, יצירת ביופילם נשארת מנגנון פנוטיפי חשוב התורם לסבילות לאנטימיקרוביאליים ולכישלון טיפולי. מחקרים על Cutibacterium acnes ממחישים כיצד קהילות מיקרוביאליות מובנות יכולות להגביר את הסבילות באמצעות מחסומים פיזיים ומיקרו-סביבות משתנות40. RNA לא מקודד הגיש אף הוא כווסת פוטנציאלי של ביטוי גנים של עמידות ב-Acinetobacter baumannii41. במקביל, מעכבי β-lactamase מהדור הבא, נגזרות של טטרהציקלין ומשטרי טיפול משולבים הרחיבו את המחקר על אפשרויות טיפוליות עבור אורגניזמים העמידים לקרבפנמים42. פיתוחים אלה נשארים רלוונטיים מבחינה קלינית בהתחשב בעמידות הגבוהה והמתמדת של Klebsiella pneumoniae ו-Acinetobacter baumannii המדווחת בנתוני מעקב לאומיים43.
נקודות מבט של עובדי מערכת הבריאות על עמידות לאנטיביוטיקה, במיוחד בהקשרים מיוחדים כגון מחלה נשימתית כרונית, מדגישות את החשיבות הקריטית של גורמים התנהגותיים אנושיים בהצלחת תוכניות הניהול האחראי של אנטיביוטיקה (stewardship)44. יתרה מכך, ניתוחים ארציים של גורמים הקשורים לעמידות קלינית לאנטיביוטיקה זיהו את צפיפות צריכת האנטיביוטיקה כגורם מניע מרכזי, מה שמאשר כי שימוש מוגבר בקרבפנמים ובצפלוספורינים מהדור השלישי נמצא במתאם ישיר עם עליית העמידות ב-Pseudomonas aeruginosa ובפתוגנים גרם-שליליים אחרים45.
יש להכיר במספר מגבלות. ראשית, הבדלים בכיסוי מאגרי המידע, בשיטות האינדוקס, במבני השדות ובטרמינולוגיה בשפות הסינית והאנגלית עלולים היו להוביל להטיה בשליפת הנתונים ולמנוע התאמה מלאה של רשומות שוות סמנטית. במחקר הנוכחי לא נערך ניתוח תמטי נפרד של הקורפוסים בשפה הסינית ובשפה האנגלית; לפיכך, לא ניתן היה להעריך באופן כמותי הבדלים ספציפיים לשפה בדגשים המחקריים. שנית, מדדים ביבליומטריים אינם יכולים להעריך באופן ישיר את האיכות המתודולוגית או את הסיכון להטיה של מחקרים בודדים, ומדדים מבוססי ציטוטים עשויים להעדיף פרסומים ישנים יותר, בעלי נראות גבוהה או כאלו המאונדקסים ברמה בינלאומית. שלישית, החרגת מחקרים וטרינריים וסביבתיים ללא מרכיב מפורש של בריאות האדם, יחד עם כיסוי מוגבל של הליכי כנסים, דוחות מוסדיים, תזות וספרות אפורה אחרת, עלולים להוביל לתת-ייצוג של תמונת ה-AMR הרחבה יותר בגישת One Health, ובמיוחד לראיות מהגדרות קהילתיות וכפריות. החרגת סקירות סיסטמטיות ומטא-אנליזות ללא מערכי נתונים ראשוניים חדשים עשויה אף היא להוביל לתת-ייצוג של תרומתה של סינתזת ראיות ליצירת נקודות חמות (hotspots). רביעית, עיכובים בפרסום ובאינדוקס עשויים היו להפחית את הייצוג של מחקרים שפורסמו לקראת סוף תקופת המחקר. חמישית, אלגוריתם זיהוי ה-burst של Kleinberg עלול להפיק אותות של חיוביים-שגויים כאשר מילות מפתח מראות תנודות זמניות קצרות או ספורדיות. בנוסף, לא בוצע ניתוח רגישות פורמלי של הגדרות הפרמטרים ב-CiteSpace; לפיכך, לא נערכה הערכה של חוסנו של הרשת, הקיבץ (clustering) ותוצאות ה-burst תחת בחירות פרמטרים חלופיות ב-CiteSpace. היעדר איחוד פורמלי של מילים נרדפות עלול היה לגרום לפיצול של מילות מפתח שוות סמנטית ולהשפיע על הערכות תדירות מילות המפתח ועל הרשת. מכיוון שלא בוצע ניתוח פרסומים פורמלי של מזרח/מרכז/מערב סין, לא ניתן היה להעריך באופן כמותי הבדלים אזוריים בתפוקת הפרסומים.
מחקרים עתידיים צריכים לבחון פרמטרים חלופיים של רגישות לפריצה (burst-sensitivity) וספי משך-זמן מינימלי, להחיל מילוני מילים נרדפות שקופים, להשוות תוצאות בין מאגרי נתונים עצמאיים, ולבצע טריאנגולציה של אותות פריצה עם תדרי מילות מפתח שנתיים וסקירה של מומחים. לא בוצע ניתוח ייעודי של המאמרים בעלי מספר הציטוטים הגבוה ביותר; מחקרים עתידיים יוכלו לשלב ניתוח של מאמרי מפתח (milestone-paper analysis) כדי לאפיין באופן מעמיק ולתקף באופן עצמאי שינויים זמניים בנושאי מחקר של AMR. ניתוח שכבת מפה כפולה (dual-map overlay analysis) היה גם הוא מחוץ למסגרת המחקר הנוכחי, וניתן לשקול זאת בעבודות עתידיות כדי לאפיין נתיבי ציטוט ברמת כתב העת.
הדפוסים הביבליומטריים מרמזים כי מחקר ה-AMR בסין עבר הסטה הולכת וגוברת מניטור תיאורי לעבר חקירה מכניסטית ופיתוח התערבויות חדשניות. בעוד שהושג התקדמות משמעותית בבקרה על MRSA באמצעות ניהול מקיף, פתוגנים גרם-שליליים העמידים לקרבפנמים נותרים איום קריטי הדורש התייחסות דחופה. הופעתם של מודלי חיזוי מונעי AI, טיפול בפאגים והתערבויות מבוססות CRISPR עשויים לספק הזדמנויות עתידיות לטיפול ב-AMR, אם כי תרגומם ממחקר מעבדתי לפרקטיקה קלינית נותר מאתגר. הממצאים תומכים בניטור מתמשך, בשיתוף פעולה בין-אזורי חזק יותר ובמחקר מתמשך הן על אנטיביוטיקה קונבנציונלית והן על אסטרטגיות טיפוליות מתהוות.
גילויים
המחברים מצהירים כי נעשה שימוש בכלים של בינה מלאכותית גנרטיבית (AI) בהכנת כתב יד זה באופן הבא: Grammarly (גרסה 1.2.3) שימש לליטוש השפה ולתיקון דקדוקי של טיוטת כתב היד הסופית; ChatGPT של OpenAI (דגם GPT-4, גישה באמצעות API ב-15 במרץ 2026) שימש לסייע בניקוי נתונים ביבליומטריים וליצירת סקריפטים ראשוניים ב-Python לעיבוד מקדים של נתונים; לא נעשה שימוש בכלי AI ליצירת הממצאים המדעיים, לפרשנות של התוצאות או לניסוח המסקנות; כל האיורים והטבלאות הופקו ישירות מפלטי CiteSpace ו-R 4.3.2 ללא סיוע של AI. המחברים סקרו ואישרו את כל התוכן שנוצר בסיוע AI והם נושאים באחריות מלאה לדיוק וליושרה של כתב היד.
תודות
המחברים מודים בכנות למחלקה למחלות זיהומיות בבית החולים המשויך של אוניברסיטת נינגבו (בית החולים של ינז'ו) על מתן התמיכה המנהלית והטכנית הנדרשת להשלמת כתב יד זה.
מחקר זה מומן על ידי פרויקט הדיסציפלינה האקדמית המובילה לרפואה ובריאות של נינגבוא (מענק מס' 2026-A42).
חומרים
| שם | חברה | מספר קטלוג | הערות |
|---|---|---|---|
| CiteSpace | Drexel University, Philadelphia, PA, USA | גרסה 6.4.R1 | לביצוע ניתוח ביבליומטרי מקיף, הכולל ניתוח שיתופי מחברים, ניתוח הופעה משותפת של מילות מפתח, ניתוח אשכולות וזיהוי התפרצויות (burst detection). |
| China National Knowledge Infrastructure (CNKI) | China National Knowledge Infrastructure | לא רלוונטי | לאיסוף מאמרי מחקר המסופקים על ידי מקורות מקומיים סיניים. |
| R | R software | גרסה 4.3.2 | |
| Web of Science Core Collection (SCI-E) | Web of Science | לא רלוונטי | לחיפוש ואחזור שיטתי של ספרות בינלאומית. |
מקורות
- World Health Organization. Global action plan on antimicrobial resistance. World Health Organization; Geneva; 2015.
- O’Neill J. Tackling drug-resistant infections globally: Final report and recommendations. 2016.
- Bockstael K, Van Aerschot A. Antimicrobial resistance in bacteria. Open Med. 2009;4(2):141–155.
- Okeke IN, de Kraker MEA, Van Boeckel TP. The scope of the antimicrobial resistance challenge. Lancet. 2024;403(10442):13.
- Bhattacharya R, et al. Impact of antimicrobial resistance on sustainable development goals and the integrated strategies for meeting environmental and socio-economic targets. Environ Prog Sustain Energy. 2024;43(1):e14320.
- Duffey M, Shafer RW, Timm J. Combating antimicrobial resistance in malaria, HIV and tuberculosis. Nat Rev Drug Discov. 2024;23(6):19.
- Xiao YH, et al. Epidemiology and characteristics of antimicrobial resistance in China. Drug Resist Updat. 2011;14(4):236–241.
- Yin X, et al. A systematic review of antibiotic utilization in China. J Antimicrob Chemother. 2013;68(11):2445–2452.
- National Health Commission of the People’s Republic of China. National action plan to contain antimicrobial resistance (2022–2025). 2022.
- Borromeo AS, Manaloto AM, Antonio RP. Southeast Asian landscape of antimicrobial resistance research (2014–2024): A bibliometric analysis. J Glob Antimicrob Resist. 2025;45(c):125–132.
- Fekadu A, Woldeamanuel Y, Hailu A. Global trends and projections in antimicrobial resistance. Lancet. 2025;(10493):405.
- Selvaraj V, Sudhakar S, Sekaran S. Global trends and projections in antimicrobial resistance. Lancet. 405(10493):413–414.
- Bhattacharya R, et al. A One health plan to combat antimicrobial resistance for improving global health through sustainable development. Discov Public Health. 2025;22(1):521.
- Chen C, Leydesdorff L. Patterns of connections and movements in dual-map overlays: A new method of publication portfolio analysis. J Assoc Inf Sci Technol. 2014;65(2):334–351.
- Persson O, Danell R, Schneider JW. Using the BIBLIOMETRIX package for bibliometric analysis. Scientometrics. 2009;80(2):253–275.
- Bhattacharya R, et al. Bibliometric assessment of the global research trends in antimicrobial resistance for fungal species. Ind Biotechnol. 2024;20(5):212–224.
- Zhu J, Zhou Y, Ding YQ. Visualization analysis of hotspots and trends of drug control institutions in China based on bibliometrics. Chin J Mod Appl Pharm. 2023;40(18):2591–2599.
- Chen C. Science mapping: A systematic review of the literature. J Data Inf Sci. 2017;2(2):1–40.
- Wang S, Shen J, Yang Y. MRSA in China: Epidemiology, resistance mechanisms, and control strategies. Chin J Antibiot. 2021;46(9):837–844.
- Zhou W, Wen Z, Zhu W. Factors associated with clinical antimicrobial resistance in China: A nationwide analysis. Infect Dis Poverty. 2025;14:27.
- Sweileh WM, Al-Jabi SW, Zyoud SH. Global research output in antimicrobial resistance among uropathogens: A bibliometric analysis (2002–2016). J Glob Antimicrob Resist. 2017;11:230–238.
- Cui L, Li Y, Cheng L. Effectiveness of an antimicrobial stewardship program in reducing antimicrobial use and microbial resistance in a tertiary hospital in China. J Glob Antimicrob Resist. 2019;17:168–174.
- Yang Y, Li Y, Wang Z. Machine learning-enabled prediction of antimicrobial resistance from whole-genome sequencing data. J Clin Microbiol. 2021;59(10):e00821-21.
- Bhattacharya R, et al. Artificial intelligence for sustainable solutions in combating antimicrobial resistance through data driven health innovations. Discov Public Health. 2026;23(1):10.
- Yosef I, Manor M, Kiro R. Temperate and lytic bacteriophages programmed to sensitize and kill antibiotic-resistant bacteria. Proc Natl Acad Sci U S A. 2015;112(23):7267–7272.
- Shou TJ, Cheng XQ, Gong S. Analysis of antimicrobial use strategy in childhood perforated appendicitis based on bacterial resistance changes. Chin Gen Pract. 2020;23(24):3070–3074.
- China Antimicrobial Resistance Surveillance System. Surveillance of antimicrobial resistance in bacteria isolated from cerebrospinal fluid specimens from 2020 to 2024. Chin J Infect Chemother. 2026;26(2):196–205.
- Gao YH, Ma XY, Wang DB. Distribution and drug resistance of pathogens causing acute bacterial conjunctivitis in children. J Pathog Biol. 2024;19(10):1194–1197.
- Zhang Y, Fan YY, Yao LH. Drug resistance and risk factors of multidrug-resistant bacteria in neonatal pneumonia. J Pathog Biol. 2020;15(11):1340–1343.
- Duan MB, He XZ, Qi JY. Research progress on anti-multidrug resistant bacteria drugs. J Shenyang Pharm Univ. 2023;40(12):1680–1690.
- Zhou LC, Li GQ, Xu BY. Distribution and drug resistance of pathogens in acute, delayed and chronic periprosthetic joint infections. Chin J Surg. 2021;59(6):484–490.
- Zhang XX, Ge W, Yang M. Analysis of resistance of 137 Neisseria gonorrhoeae strains to 5 antimicrobial agents. Chin J Dermatovenereol. 2022;36(2):199–203.
- Zhang XY, Han Y, Wang YM. Correlation analysis between antimicrobial resistance of Pseudomonas aeruginosa and antimicrobial use density. J Hebei Univ Nat Sci Ed. 2021;41(2):188–194.
- China Antimicrobial Resistance Surveillance System. Antimicrobial resistance surveillance report of common clinical isolates from elderly patients from 2014 to 2019. Chin J Infect Control. 2021;20(2):112–123.
- Ruan ZH, Huang AX, Wang XJ. Overview of CLSI, EUCAST and Chinese drug resistance judgment standards. Biotechnol Bull. 2022;38(9):47–58.
- Liu L, Feng CX, Wang Y. Analysis of bacterial resistance in the First Hospital of Qiqihar in 2016. Chin J Antibiot. 2021;46(12):1143–1147.
- Zhang XH, Chen JY, Yang H. Distribution and antimicrobial resistance of pathogens in early infection after lung transplantation in respiratory intensive care unit. Chin J Infect Control. 2020;19(9):785–790.
- Wang SS, Wu ZW, Zhao JP. Research progress on hospital infection, drug resistance and treatment of carbapenem-resistant Klebsiella pneumoniae. Chin J Antibiot. 2020;45(5):428–432.
- Lv YF, Xue M, Huang XY. Research progress on antimicrobial peptides combined with traditional antibiotics against bacterial resistance. Chin J Infect Control. 2023;22(10):1266–1273.
- Ma Y, Liu Y, Jiang M. Correlation analysis between biofilm formation and antimicrobial resistance of Cutibacterium acnes. Chin J Infect Chemother. 2021;21(6):703–707.
- Peng Q, Ling BD. Regulatory non-coding RNAs and antimicrobial resistance in Acinetobacter baumannii. Chin J Infect Control. 2021;20(12):1174–1178.
- Qin XH, Hao M, Wang MG. Research progress on new antimicrobial agents. Chin J Infect Chemother. 2024;24(4):489–496.
- Guo Y, Ding L, Hu FP. CHINET surveillance of bacterial resistance in China in 2024. Chin J Infect Chemother. 2025;25(6):597–607.
- Ananth S, Adeoti A, Ray A. Healthcare worker views on antimicrobial resistance in chronic respiratory disease. Eur Respir J. 2024;64(68):2.
- Holt KE. Microbial genomics for antimicrobial resistance ecology and action. Nat Rev Genet. 2026;27(1):7–8.