È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.

Articolo di ricerca

Analisi bibliometrica visiva dei punti caldi e delle tendenze della ricerca sulla resistenza antimicrobica in Cina

101 visualizzazioni

⸱

DOI:

10.3791/72404

⸱

8 settembre 2026

 ,  , 

In questo articolo

Sommario

Questa analisi bibliometrica mappa le tendenze della ricerca sulla resistenza agli antimicrobici e gli hotspot emergenti in Cina dal 2016 al 2025 utilizzando CiteSpace. I risultati evidenziano un crescente interesse verso terapie innovative e approcci basati sulla tecnologia, insieme a tendenze contrastanti nella resistenza di MRSA e CRKP, sottolineando la necessità di un monitoraggio continuo e di un uso mirato degli antimicrobici.

Abstract

Per analizzare sistematicamente il panorama della ricerca sulla resistenza agli antimicrobici (AMR) in Cina dal 2016 al 2025, identificare i settori più attivi e rilevare le tendenze emergenti mediante tecniche di visualizzazione bibliometrica, abbiamo raccolto 3.096 pubblicazioni dalla Web of Science Core Collection (incluso l'indice Science Citation Index Expanded, SCI-E) e dalla China National Knowledge Infrastructure (CNKI). Utilizzando CiteSpace, abbiamo effettuato un'analisi della rete di coautoria, una mappatura della co-occorrenza dei termini chiave e un'analisi dei cluster mediante l'algoritmo Log-Likelihood Ratio (LLR). La rilevazione dei picchi temporali (burst detection) tramite l'algoritmo di Kleinberg ha permesso di identificare le frontiere della ricerca, mentre l'indice di modularità Q (>0,3) e le metriche della silhouette hanno validato la qualità strutturale della rete. Il numero è aumentato da 357 nel 2016 a 365 nel 2022, con una crescita accelerata nel periodo 2019–2022. Sono emersi sei principali cluster di ricerca con una validità strutturale significativa (modularità Q = 0,8108). L'analisi dei picchi temporanei ha identificato il gene della resistenza alla colistina mobilizzato-1 (mcr-1, resistenza alla rottura 9,12) e carbapenemasi (8,52) come segnali emergenti più forti. Il monitoraggio della resistenza ha rivelato andamenti divergenti: carbapenem-resistenti Klebsiella pneumoniae è aumentata in modo allarmante dal 5,6% al 20,0%, mentre lo Staphylococcus aureus resistente alla meticillina è diminuito dal 48,8% al 25,8%. L'analisi della rete degli autori ha rivelato una struttura altamente centralizzata con collaborazioni interregionali limitate. Terapie innovative, tra cui peptidi antimicrobici, terapia fagica e applicazioni dell'apprendimento automatico, hanno mostrato un significativo emergere. Nel complesso, i modelli bibliometrici suggeriscono che la ricerca sulla resistenza agli antimicrobici in Cina si è evoluta da una sorveglianza descrittiva verso indagini meccanicistiche e un crescente interesse per interventi innovativi. Il declino contrastante dello Staphylococcus aureus resistente alla meticillina Staphylococcus aureus e l'aumento dei patogeni resistenti ai carbapenemici evidenziano la necessità di un monitoraggio nazionale continuo, di una collaborazione interregionale più stretta, di un uso mirato del razionamento degli antimicrobici e di una prudente introduzione delle tecnologie emergenti nella pratica clinica.

Introduzione

La resistenza agli antimicrobici (RAM) rappresenta una minaccia critica per la salute pubblica globale, con l'Organizzazione Mondiale della Sanità che la identifica come una delle dieci principali minacce per la salute dell'umanità1. Il peso economico della RAM è notevole, con previsioni che indicano come entro il 2050 le infezioni resistenti potrebbero causare 10 milioni di morti all'anno in tutto il mondo se le attuali tendenze dovessero proseguire2. I meccanismi fondamentali della resistenza agli antimicrobici nei batteri comprendono adattamenti genetici e fenotipici complessi, tra cui la modificazione enzimatica dei farmaci, alterazioni del sito bersaglio, sovraespressione delle pompe di efflusso e formazione di biofilm, che insieme compromettono l'efficacia dell'armamentario terapeutico esistente3. Recenti valutazioni globali hanno ulteriormente sottolineato l'ampia portata di questa sfida, riconoscendo ormai la resistenza antimicrobica come un fenomeno ecologico complesso che richiede un'azione coordinata nei settori della salute umana, dell'allevamento animale e dell'ambiente4. La RAM ha anche implicazioni più ampie per lo sviluppo sostenibile, inclusi gli obiettivi ambientali e socioeconomici5. La sfida è particolarmente acuta nel combattere la resistenza nella malaria, nell'HIV e nella tubercolosi, dove ceppi multiresistenti minacciano decenni di progressi nel controllo delle malattie infettive6. Analisi storiche dell'epidemiologia della RAM in Cina hanno documentato caratteristiche distinte rispetto alle popolazioni occidentali, inclusi profili unici di geni di resistenza e dinamiche di trasmissione modellate dalle pratiche sanitarie e dai modelli di consumo di antibiotici7.

La Cina, a causa della sua vasta popolazione e del notevole consumo di antibiotici, affronta sfide particolarmente gravi legate alla resistenza agli antimicrobici (AMR). L'uso pro capite di antibiotici in Cina rimane significativamente più elevato rispetto a molti paesi europei, creando una pressione selettiva che favorisce lo sviluppo della resistenza8. Riconoscendo la gravità di questa crisi, il governo cinese ha attuato il Piano d'azione nazionale per il contenimento della resistenza agli antimicrobici (2016–2020, 2022–2025) e ha istituito il Sistema cinese di sorveglianza della resistenza agli antimicrobici (CARSS) per monitorare a livello nazionale i modelli di resistenza9. Da una prospettiva regionale, l'Asia sud-orientale si è affermata come un'area critica per la ricerca e la diffusione della resistenza antimicrobica, con analisi bibliometriche che evidenziano un rapido incremento della produzione scientifica parallelo a quella della Cina10. Le tendenze e le proiezioni globali suggeriscono che, in assenza di interventi risolutivi, il peso in termini di mortalità legato alla resistenza antimicrobica colpirà in modo sproporzionato i paesi a reddito medio, con alcune stime che indicano come la regione Asia-Pacifico potrebbe rappresentare quasi la metà di tutti i decessi correlati alla resistenza entro metà secolo11. Queste previsioni allarmanti hanno accelerato gli impegni internazionali verso una gestione responsabile degli antimicrobici, sebbene permangano lacune tra la formulazione delle politiche e la pratica clinica in tutto il mondo12. Tali iniziative hanno generato una mole consistente di dati sull'epidemiologia della resistenza, sui meccanismi molecolari e sugli esiti clinici, fornendo una ricca fonte per l'analisi bibliometrica. I recenti approcci basati sul concetto di One Health, pertanto, enfatizzano interventi coordinati nei settori della salute umana, della salute animale, dell'agricoltura e dell'ambiente, sostenuti dalla gestione responsabile degli antimicrobici e dalle tecnologie diagnostiche rapide13.

L'analisi bibliometrica, che utilizza metodi matematici e statistici per analizzare quantitativamente la letteratura pubblicata, consente ai ricercatori di individuare i settori di maggiore interesse scientifico, tracciare le traiettorie evolutive e prevedere le future direzioni della ricerca14. Strumenti di visualizzazione come CiteSpace trasformano dati complessi sulle citazioni in mappe del sapere intuitive, rivelando schemi nascosti nella letteratura scientifica15. Studi bibliometrici precedenti hanno mappato le tendenze della ricerca in specifici ambiti della resistenza antimicrobica (AMR), inclusa la ricerca globale sulla resistenza agli antimicotici16. Tuttavia, un'analisi bibliometrica completa che integri ricerche in lingua cinese e in lingua inglese sulla AMR in Cina rimane limitata. A differenza delle precedenti analisi bibliometriche incentrate su specifici settori della AMR, il presente studio integra registrazioni provenienti dalla base dati cinese CNKI e dal Web of Science in lingua inglese, contestualizzando separatamente i risultati bibliometrici attraverso le tendenze nazionali di sorveglianza del CARSS. Questo studio mira a fornire un'analisi bibliometrica sistematica della ricerca sulla AMR in Cina nel periodo 2016–2025, utilizzando il software CiteSpace per generare mappe del sapere e offrire raccomandazioni basate sull'evidenza per stabilire priorità future nella ricerca e nello sviluppo di politiche. Questo disegno combinato fornisce una visione bilingue del panorama della ricerca, consentendo al contempo di interpretare le tendenze bibliometriche in parallelo, ma in modo indipendente, rispetto ai dati nazionali di sorveglianza sulla resistenza.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

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.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

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, ...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

I modelli bibliometrici indicano che la ricerca sulla resistenza agli antimicrobici (AMR) in Cina si è gradualmente ampliata passando dalla sorveglianza descrittiva e dalla caratterizzazione dei patogeni verso lo studio dei meccanismi di resistenza, approcci genomici e ricerche orientate alle interazioni. I gruppi di parole chiave sovrapposti e i periodi di picco indicano una diversificazione tematica cumulativa piuttosto che tre fasi distinte e reciprocamente esclusive. Il momento di questi cambiamenti coincide con i Pi...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Gli autori dichiarano che strumenti di intelligenza artificiale generativa (AI) sono stati utilizzati nella preparazione di questo manoscritto come segue: Grammarly (versione 1.2.3) è stato utilizzato per la revisione linguistica e la correzione grammaticale della bozza finale del manoscritto; ChatGPT di OpenAI (GPT-4, accesso tramite API il 15 marzo 2026) è stato utilizzato per assistere nella pulizia dei dati bibliometrici e per generare gli script Python iniziali per il preelaborazione dei dati; Nessuno strumento di intelligenza artificiale è stato utilizzato per generare i risultati scientifici, interpretare i dati o formulare le conclusioni; Tutte le figure e le tabelle sono state generate direttamente a partire dagli output di CiteSpace e R 4.3.2, senza generazione assistita da intelligenza artificiale. Gli autori hanno esaminato e verificato tutti i contenuti generati con l'ausilio dell'intelligenza artificiale e si assumono piena responsabilità per l'accuratezza e l'integrità del manoscritto.

Ringraziamenti

Gli autori ringraziano sinceramente il Dipartimento delle Malattie Infettive dell'Ospedale Popolare Affiliato all'Università di Ningbo (Yinzhou People’s Hospital) per aver fornito il supporto amministrativo e tecnico necessario per completare questo manoscritto.

Questa ricerca è stata finanziata dal Progetto della Disciplina Accademica di Spicco nel Settore Sanitario di Ningbo (Concessione n. 2026-A42).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
CiteSpaceDrexel University, Philadelphia, PA, USAversione 6.4.R1Per eseguire un'analisi bibliometrica completa, inclusa l'analisi della coautoria, l'analisi della co-occorrenza di parole chiave, l'analisi dei cluster e il rilevamento di picchi temporali.
China National Knowledge Infrastructure (CNKI)China National Knowledge InfrastructureNon applicabilePer raccogliere articoli di ricerca provenienti da fonti nazionali cinesi.
RSoftware Rversione 4.3.2
Web of Science Core Collection (SCI-E)Web of ScienceNon applicabilePer cercare e recuperare sistematicamente la letteratura internazionale.

Riferimenti

  1. World Health Organization. Global action plan on antimicrobial resistance. World Health Organization; Geneva; 2015.
  2. O’Neill J. Tackling drug-resistant infections globally: Final report and recommendations. 2016.
  3. Bockstael K, Van Aerschot A. Antimicrobial resistance in bacteria. Open Med. 2009;4(2):141–155.
  4. Okeke IN, de Kraker MEA, Van Boeckel TP. The scope of the antimicrobial resistance challenge. Lancet. 2024;403(10442):13.
  5. 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.
  6. Duffey M, Shafer RW, Timm J. Combating antimicrobial resistance in malaria, HIV and tuberculosis. Nat Rev Drug Discov. 2024;23(6):19.
  7. Xiao YH, et al. Epidemiology and characteristics of antimicrobial resistance in China. Drug Resist Updat. 2011;14(4):236–241.
  8. Yin X, et al. A systematic review of antibiotic utilization in China. J Antimicrob Chemother. 2013;68(11):2445–2452.
  9. National Health Commission of the People’s Republic of China. National action plan to contain antimicrobial resistance (2022–2025). 2022.
  10. 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.
  11. Fekadu A, Woldeamanuel Y, Hailu A. Global trends and projections in antimicrobial resistance. Lancet. 2025;(10493):405.
  12. Selvaraj V, Sudhakar S, Sekaran S. Global trends and projections in antimicrobial resistance. Lancet. 405(10493):413–414.
  13. 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.
  14. 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.
  15. Persson O, Danell R, Schneider JW. Using the BIBLIOMETRIX package for bibliometric analysis. Scientometrics. 2009;80(2):253–275.
  16. Bhattacharya R, et al. Bibliometric assessment of the global research trends in antimicrobial resistance for fungal species. Ind Biotechnol. 2024;20(5):212–224.
  17. 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.
  18. Chen C. Science mapping: A systematic review of the literature. J Data Inf Sci. 2017;2(2):1–40.
  19. Wang S, Shen J, Yang Y. MRSA in China: Epidemiology, resistance mechanisms, and control strategies. Chin J Antibiot. 2021;46(9):837–844.
  20. Zhou W, Wen Z, Zhu W. Factors associated with clinical antimicrobial resistance in China: A nationwide analysis. Infect Dis Poverty. 2025;14:27.
  21. 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.
  22. 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.
  23. 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.
  24. 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.
  25. 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.
  26. 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.
  27. 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.
  28. 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.
  29. 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.
  30. Duan MB, He XZ, Qi JY. Research progress on anti-multidrug resistant bacteria drugs. J Shenyang Pharm Univ. 2023;40(12):1680–1690.
  31. 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.
  32. 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.
  33. 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.
  34. 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.
  35. Ruan ZH, Huang AX, Wang XJ. Overview of CLSI, EUCAST and Chinese drug resistance judgment standards. Biotechnol Bull. 2022;38(9):47–58.
  36. 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.
  37. 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.
  38. 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.
  39. 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.
  40. 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.
  41. Peng Q, Ling BD. Regulatory non-coding RNAs and antimicrobial resistance in Acinetobacter baumannii. Chin J Infect Control. 2021;20(12):1174–1178.
  42. Qin XH, Hao M, Wang MG. Research progress on new antimicrobial agents. Chin J Infect Chemother. 2024;24(4):489–496.
  43. Guo Y, Ding L, Hu FP. CHINET surveillance of bacterial resistance in China in 2024. Chin J Infect Chemother. 2025;25(6):597–607.
  44. Ananth S, Adeoti A, Ray A. Healthcare worker views on antimicrobial resistance in chronic respiratory disease. Eur Respir J. 2024;64(68):2.
  45. Holt KE. Microbial genomics for antimicrobial resistance ecology and action. Nat Rev Genet. 2026;27(1):7–8.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Esplora altri articoli

Tendenze della AMR in CinaRete di co-autoriaCo-occorrenza di parole chiaveAnalisi dei clusterResistenza ai carbapenemiResistenza alla meticillinaStewardship antimicrobica