Fonti dei dati
È stata condotta una ricerca bibliografica completa su database internazionali e nazionali al fine di garantire una copertura globale della ricerca sulla resistenza agli antimicrobici (AMR) relativa alla Cina. Per la letteratura internazionale, abbiamo effettuato una ricerca sistematica nella Web of Science Core Collection (incluso Science Citation Index Expanded, SCI-E) e nella China National Knowledge Infrastructure (CNKI) dal 1° gennaio 2016 al 31 dicembre 2025. Query booleana esatta per SCI-E: TS = ((“antimicrobial resistance” OR “antibiotic resistance” OR “drug resistance”) AND (“China” OR “Chinese” OR “Mainland China”)). Per CNKI, il campo Oggetto è stato ricercato utilizzando le corrispondenti espressioni in lingua cinese di “resistenza agli antibiotici”, “resistenza agli antimicrobici” e “resistenza ai farmaci”, combinate con “Cina”. Non è stata effettuata alcuna fusione formale di sinonimi di parole chiave né alcun pretrattamento basato su tesauro prima dell'analisi con CiteSpace. La ricerca finale è stata eseguita il 28 aprile 2026, per consentire tempo sufficiente affinché le pubblicazioni uscite entro il 31 dicembre 2025 fossero indicizzate nei database. Il filtro per l'anno di pubblicazione nel database è stato limitato al periodo 2016–2025. I record etichettati come Early Access sono stati ulteriormente verificati durante la selezione, e gli articoli con data di prima pubblicazione online nel 2026 sono stati esclusi dall'analisi. Le etichette delle parole chiave sono state verificate rispetto all'output originale di CiteSpace per garantire una terminologia coerente nel testo, nelle tabelle e nelle figure.
Per la ricerca su CNKI, sono stati recuperati 983 record dai Riviste Fondamentali dell'Università di Pechino (PKU Core), 802 dal Database di Citazione Scientifica Cinese (CSCD) e 462 dall'Indice di Rilevanza delle Riviste Mondiali (WJCI). Poiché un singolo articolo può essere indicizzato in più di una di queste categorie, questi numeri rappresentano record di recupero specifici per categoria e non corrispondono a conteggi di pubblicazioni mutuamente esclusivi. I tre insiemi di record sono stati quindi uniti prima della valutazione dell'idoneità. I duplicati sono stati identificati inizialmente tramite corrispondenza esatta del DOI. Per i record privi di DOI, sono stati confrontati i titoli degli articoli normalizzati insieme al nome del primo autore e all'anno di pubblicazione. I record con metadati incompleti o incoerenti sono stati esaminati manualmente. Quando lo stesso articolo appariva in due o più categorie di indicizzazione CNKI, veniva mantenuto una sola volta nel dataset CNKI combinato, indipendentemente dal numero di categorie in cui era indicizzato. Dopo la deduplicazione all'interno di CNKI e la valutazione dell'idoneità, sono stati conservati 1.096 articoli univoci in lingua cinese. Non è stata applicata alcuna soglia relativa all'impact factor della rivista, poiché lo scopo di questo studio era caratterizzare il panorama complessivo della ricerca sulla resistenza agli antimicrobici (AMR) piuttosto che limitare il corpus in base al prestigio della rivista. Non è stata effettuata alcuna valutazione formale della qualità metodologica o del rischio di bias delle singole pubblicazioni, poiché l'obiettivo di questo studio era caratterizzare il panorama bibliometrico complessivo piuttosto che valutare la qualità metodologica a livello di studio.
Negli archivi SCI-E e CNKI sono stati identificati inizialmente 5.286 documenti. Successivamente sono stati applicati gli stessi criteri basati su DOI, titolo, autore e anno per individuare eventuali sovrapposizioni tra i set di dati di CNKI e Web of Science. Un totale di 2.190 documenti è stato rimosso durante la deduplicazione combinata e la valutazione dell'idoneità, lasciando 3.096 pubblicazioni da analizzare. Il processo completo di identificazione, selezione e inclusione della letteratura è presentato nella Figura supplementare 1.
I criteri di inclusione erano: studi incentrati sulla resistenza antimicrobica batterica in Cina; articoli che riportavano tassi di resistenza, epidemiologia molecolare, esiti clinici o strategie di intervento; e pubblicazioni comprese tra il 1° gennaio 2016 e il 31 dicembre 2025. Sono stati esclusi record duplicati, pubblicazioni del 2026, revisioni o meta-analisi prive di set di dati originali e studi limitati alla resistenza antimicrobica veterinaria o ambientale senza un componente relativo alla salute umana. Le revisioni e le meta-analisi senza nuovi set di dati primari sono state escluse perché l'analisi era stata progettata per caratterizzare la produzione originale di ricerca. Limitare il corpus alla ricerca originale migliora la confrontabilità degli indicatori bibliometrici, inclusi il numero di pubblicazioni, i modelli di coautoria, le frequenze delle parole chiave e le misure relative alle citazioni, poiché gli articoli di sintesi delle evidenze aggregano studi precedenti e possono presentare profili di citazione e di parole chiave sostanzialmente diversi. Dopo la rimozione dei duplicati tra le basi di dati e la valutazione di titoli/abstract, un totale di 3.096 pubblicazioni sono state incluse per l'analisi bibliometrica, comprendenti 1.096 articoli in lingua cinese (35,4%) e 2.000 pubblicazioni in lingua inglese (64,6%).
Metodi analitici
CiteSpace (Drexel University, Philadelphia, PA, USA)17 è stato utilizzato per l'analisi bibliometrica. L'intervallo temporale considerato è stato 2016–2025 con una lunghezza di intervallo annuale. I tipi di nodi sono stati selezionati separatamente per le analisi di autore, istituzione e parole chiave. La selezione dei nodi ha utilizzato l'indice g con k = 10; la configurazione visualizzata ha inoltre utilizzato LRF = 2,5, L/N = 10, LBY = 5 ed e = 1,0. È stata applicata la potatura Pathfinder alle reti di autori, parole chiave e cluster per ridurre i collegamenti ridondanti mantenendo la struttura principale della rete. L'intervallo temporale di un anno è stato scelto per preservare le variazioni annuali all'interno della finestra di studio decennale.
Sono stati utilizzati quattro moduli analitici principali: l'analisi della coautoria per mappare le reti di collaborazione tra autori e istituzioni; l'analisi della co-occorrenza delle parole chiave per identificare i temi di ricerca e le loro relazioni; l'analisi dei cluster mediante l'algoritmo del rapporto di verosimiglianza logaritmica (LLR) per estrarre gruppi tematici con etichettatura automatica; e il rilevamento di picchi temporali (burst detection) tramite l'algoritmo di Kleinberg per identificare le tendenze emergenti e le frontiere della ricerca. Sono state utilizzate metriche di rete, tra cui la modularità Q e il coefficiente medio di siluetta S, per valutare la qualità dei cluster. Un valore di modularità Q superiore a 0,3 indica una struttura comunitaria significativa, mentre un valore medio del coefficiente di siluetta superiore a 0,7 indica una elevata coerenza all'interno dei cluster e un'assegnazione affidabile dei cluster18.
Analisi statistica delle tendenze della resistenza
Le tendenze dei tassi di resistenza per i principali patogeni sono state ricavate dai rapporti annuali del China Antimicrobial Resistance Surveillance System (CARSS) (2016–2025), che aggregano dati provenienti da ospedali sentinella partecipanti a livello nazionale. Questi dati di sorveglianza sono stati analizzati in modo indipendente rispetto al corpus bibliometrico e non sono stati estratti, raggruppati o inclusi tra le 3.096 pubblicazioni di Web of Science e CNKI utilizzate per le analisi con CiteSpace.
Per ogni combinazione patogeno-antimicrobico, abbiamo estratto il tasso annuale di resistenza (percentuale di isolati non duplicati resistenti all'agente specificato), il numero totale di isolati testati (denominatore) e il numero di ospedali sentinella che hanno fornito dati. I test di suscettibilità sono stati eseguiti mediante metodi standardizzati di microdiluizione in brodo o di diffusione su disco, con interpretazioni basate sulle linee guida dell'Institute for Clinical and Laboratory Standards (CLSI) (documenti M100, edizioni 2016–2025).
Per valutare le tendenze temporali, è stata eseguita un'analisi di regressione lineare utilizzando il tasso di resistenza come variabile dipendente e l'anno come variabile indipendente, coprendo l'intero periodo di 10 anni (2016–2025). Per ogni coppia patogeno-antimicrobico sono stati calcolati il coefficiente angolare della regressione (β) e il coefficiente di determinazione (R2). Per tenere conto di eventuali variazioni nella copertura della sorveglianza (ad esempio, l'espansione da 1.398 ospedali nel 2016 a 2.349 ospedali nel 2025), sono state inoltre effettuate analisi di sensibilità pesando il tasso di resistenza di ciascun anno sull'inverso del numero di ospedali partecipanti e sulla distribuzione geografica dei siti segnalanti. Questi modelli pesati hanno prodotto direzioni delle tendenze e livelli di significatività coerenti con le analisi non pesate; pertanto, per semplicità e facilità di interpretazione, vengono presentati i risultati non pesati. Tutte le analisi statistiche sono state eseguite utilizzando R versione 4.3.2 (R Foundation for Statistical Computing, Vienna, Austria). È stato considerato statisticamente significativo un valore p bilaterale <0,05.