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

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.

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.

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, and ended at 77 in 2025 (Figure 1).

The linguistic distribution revealed interesting patterns: while Chinese-language publications dominated overall (63.6%) in 2016, English publications showed faster relative growth, increasing from merely 130 papers (36.4%) in 2016 to 295 papers (80.8%) in 2022. This shift reflects enhanced international collaboration and the growing global impact of Chinese AMR research.

Author and institutional collaboration networks

Network analysis identified the principal authors and collaboration patterns in the co-authorship network (Figure 2). Table 1 presents the 10 most prolific authors. Wang Juan from South China Agricultural University and Yue Min from Zhejiang University were tied for the highest publication output, with 44 publications each. Xu Xuebin from the Shanghai Municipal Center for Disease Control and Prevention and Wu Qingping from the Guangdong Academy of Sciences each published 42 papers, followed by Zhang Jumei from the Guangdong Academy of Sciences with 41 papers. Two authors from the same institution (Wu Qingping and Zhang Jumei at the Institute of Microbiology, Guangdong Academy of Sciences) are among the top five, indicating strong institutional research activity at this center. Publication count was interpreted as an indicator of research productivity, whereas betweenness centrality was interpreted separately as an indicator of an author’s bridging role within the collaboration network. Their betweenness centrality values were 0.01 and 0.04, respectively.

The author collaboration network comprised 248 nodes and 420 links, with a density of 0.0137. This low density indicates that only a small proportion of all possible author pairs were connected, suggesting that collaborations were concentrated within a limited number of research groups rather than broadly distributed across the network. Notably, cross-institutional collaborations were less frequent than intra-institutional partnerships, suggesting potential for enhanced inter-hospital cooperation. The leading institutions were concentrated primarily in major eastern metropolitan and research centers, particularly Beijing, Shanghai, Hangzhou, Guangzhou, and Yangzhou.

Institutional analysis showed that Zhejiang University ranked first, with 195 publications and 10,660 citations, followed by South China Agricultural University with 112 publications and China Agricultural University with 99 publications (Table 2). Among the top 10 institutions, five were located in Beijing, two in Shanghai, and one each in Yangzhou, Hangzhou, and Guangzhou. No formal East/Central/West China publication-output analysis was performed.

Research hotspots and keyword analysis

Keyword co-occurrence analysis identified 257 keyword nodes with 932 co-occurrence connections (Figure 3). The network density was 0.0283, with an average of approximately 7.3 connections per keyword, indicating moderate thematic coherence. Table 3 lists the top 10 high-frequency keywords. “Antimicrobial Resistance” appeared as the central node with 285 occurrences in the co-occurrence matrix and a centrality of 0.92, followed by “Carbapenem” (192 occurrences, centrality 0.78) and “ESBL” (extended-spectrum β-lactamase; 168; 0.72). The discrepancy between co-occurrence counts and total occurrence counts in Table 3 arises because Table 3 reports raw term frequencies from the full corpus, whereas the network co-occurrence matrix counts only co-occurrences within the same document; both metrics are reported for completeness.

The keyword network revealed distinct thematic clusters. Pathogen-specific keywords (K. pneumoniae, A. baumannii, P. aeruginosa) clustered tightly with resistance mechanisms (carbapenemases, biofilm), while clinical management terms (stewardship, combination therapy) formed a separate but connected cluster. This structure suggests that research has evolved from descriptive pathogen studies toward mechanistic understanding and intervention strategies.

Cluster analysis using the LLR algorithm identified 15 keyword clusters with a modularity Q of 0.8108 and a mean silhouette S of 0.9388 (Figure 4). The six principal clusters highlighted in the timeline were #0 “virulence gene,” #2 “Klebsiella pneumoniae,” #4 “antimicrobial resistance genes,” #5 “antibiotic resistance,” #6 “molecular epidemiology,” and #7 “Escherichia coli.” The timeline shows that broad antibiotic-resistance, pathogen-surveillance, and molecular-epidemiology themes were prominent during the earlier years, while virulence genes, antimicrobial-resistance genes, and Klebsiella pneumoniae remained active into the later period. The temporal overlap among the clusters indicates cumulative diversification of research themes rather than a strictly sequential replacement of one theme by another.

The high betweenness centrality of “Carbapenem” and “ESBL” indicates that β-lactam resistance served as an important connecting theme across the bibliometric network. This thematic prominence was consistent with, but analytically independent from, the external CARSS surveillance data presented below, which showed increasing carbapenem resistance in Klebsiella pneumoniae and persistently high carbapenem resistance in Acinetobacter baumannii.

Resistance trends and epidemiological patterns

In a separate analysis, the external CARSS surveillance data provided epidemiological context for the bibliometric prominence of carbapenem- and β-lactam-resistance topics and revealed divergent pathogen-specific resistance trends (Table 4). MRSA demonstrated a consistent and significant decline from 48.8% in 2016 to 25.8% in 2025 (β = –2.43% per year, R² = 0.94, p < 0.001), representing a 47.1% relative reduction. The decline in MRSA was temporally consistent with the implementation of active surveillance, contact precautions, decolonization protocols, and antimicrobial-stewardship measures in Chinese hospitals¹⁹, although the present ecological analysis cannot attribute the trend to any single intervention. Previous nationwide studies have reported associations between the use of carbapenems and third-generation cephalosporins and resistance among Gram-negative pathogens²⁰, providing a possible explanatory context for the observed trends. However, antimicrobial-consumption data were not directly analyzed in the present study.

Conversely, carbapenem resistance in Gram-negative pathogens showed alarming increases. CRKP rose dramatically from 5.6% (2016) to 20.0% (2025) (β = +1.61% per year, R² = 0.97, p < 0.001), representing a 3.6-fold increase. carbapenem-resistant Acinetobacter baumannii (CRAB) maintained high-level epidemic status throughout the period, increasing from 56.0% to 76.5% (β = +2.35% per year, R² = 0.92, p < 0.001), with some regions reporting rates exceeding 80%. vancomycin-resistant enterococci (VRE), though starting from a low baseline (1.5%), showed a consistent upward trend reaching 6.5% in 2025 (β = +0.56% per year, R² = 0.89, p < 0.001). In contrast to the marked decline in MRSA, carbapenem-resistant Pseudomonas aeruginosa (CRPA) showed only a modest decrease from 25.0% to 19.9%. Overall, the resistance trajectories were pathogen-specific rather than uniform: MRSA and CRPA declined, whereas CRKP, CRAB, and VRE increased during the study period.

Emerging research frontiers

Burst detection identified the 10 keywords with the strongest burst signals (Table 5 and Figure 5). Mobilized colistin resistance-1 (mcr-1) showed the strongest burst (9.12; 2016–2022), whereas carbapenemase showed a slightly lower but longer-lasting burst (8.52; 2016–2024). The mcr-1 hotspot primarily represented a gene-centered research trajectory, progressing from the identification and molecular characterization of plasmid-mediated colistin resistance toward surveillance of its dissemination. In contrast, the longer carbapenemase burst reflected sustained attention extending from enzyme and resistance-gene mechanisms to molecular epidemiology, clinical transmission, and infection-control concerns. Because burst detection identifies the temporal concentration of research attention rather than discrete internal stages, separate subperiod boundaries were not assigned within each burst interval.

Antimicrobial peptides (burst strength 7.92; 2019–2024), phage therapy (6.54; 2020–2024), machine learning (5.83; 2021–2024), and clustered regularly interspaced short palindromic repeats (CRISPR; 4.92; 2022–2024) all showed sustained burst intervals ending in 2024. Their progressively later onset years indicate the sequential emergence of alternative therapeutic and technology-enabled research topics. Because separate annual keyword-frequency growth rates were not calculated, these terms are described as burst-detected research frontiers rather than as topics with demonstrated year-on-year growth.

DATA AVAILABILITY:

The bibliographic records analyzed in this study were retrieved from the Web of Science Core Collection and the China National Knowledge Infrastructure (CNKI) under their respective database access and licensing conditions. These source records are subject to database licensing restrictions and cannot be redistributed by the authors. The search strategy and screening procedures are reported in the manuscript and Supplementary Figure 1, while annual publication counts are provided in Supplementary Table 1. The bibliographic records of the 3,096 publications included in the final analysis are provided in Supplementary Table 2, comprising 2,000 Web of Science Core Collection records and 1,096 CNKI records. The antimicrobial-resistance surveillance data were derived from publicly available China Antimicrobial Resistance Surveillance System (CARSS) annual reports.

Figure 1: Annual publication output of antimicrobial resistance research in China from 2016 to 2025 (n = 3,096 publications). The figure presents annual English-language, Chinese-language, and total publication counts. English-language output increased from 130 publications in 2016 to 295 in 2022 and declined to 69 in 2025. Please click here to view a larger version of this figure.

Figure 2: Author collaboration network generated from the 2,000 SCI-E publications on antimicrobial resistance in China included in the analysis (2016–2025). The network visualizes co-authorship relationships among authors publishing on AMR in China. Node size represents publication count; line thickness indicates collaboration frequency. Node colors follow the CiteSpace default time-zone gradient: purple nodes represent the earliest publications (2016–2017); blue nodes represent the middle period (2018–2021); and red/orange nodes represent the recent publications (2022–2025). Centrality is not explicitly encoded in node color; instead, nodes with high betweenness centrality (>0.1) are highlighted with an outer ring in the visualization. The network comprises 248 author nodes and 420 collaboration links (density = 0.0137). Prominent authors include Wang Juan, Yue Min, Xu Xuebin, Wu Qingping, and Zhang Jumei. The largest connected component contains 157 authors (63% of the network). Pruning was performed using the Pathfinder algorithm to enhance structural clarity. The relatively low network density indicates limited cross-institutional collaboration, with research activities concentrated within a few major research groups. Data source: Web of Science Core Collection; analyzed using CiteSpace. Please click here to view a larger version of this figure.

Figure 3: Keyword co-occurrence network generated from the 2,000 SCI-E publications included in the keyword analysis (2016–2025). Node size represents keyword frequency; line thickness indicates co-occurrence strength. Colors follow the CiteSpace time-zone gradient from purple (2016) through blue (2018–2021) to red/orange (2022–2025). Centrality values are not displayed as colors; instead, node labels are sized proportionally to betweenness centrality, with larger labels indicating greater bridging importance. The network comprises 257 keyword nodes and 932 co-occurrence links (density = 0.0283). The largest connected component contains 157 keywords (61% of the network). High-frequency keywords include “antimicrobial resistance,” “Klebsiella pneumoniae,” “Escherichia coli,” “Staphylococcus aureus,” “prevalence,” and “molecular characterization,” reflecting the dominant research themes of resistance surveillance and molecular epidemiology. The network demonstrates stronger interconnectivity compared to the author collaboration network, indicating thematic coherence across different research topics. Data source: Web of Science Core Collection; analyzed using CiteSpace. Please click here to view a larger version of this figure.

Figure 4: Keyword cluster timeline generated from the 2,000 SCI-E publications included in the keyword analysis (2016–2025). Each horizontal line represents a research cluster (#0–#14), with nodes indicating individual keywords appearing in that year. Node size represents keyword frequency. The clustering analysis was performed using the Log-Likelihood Ratio (LLR) algorithm, yielding 15 distinct clusters with excellent structural validity (modularity Q = 0.8108, mean silhouette S = 0.9388). The six major clusters discussed in the text represent the most prominent clusters (#0, #2, #4, #5, #6, #7). The timeline view reveals temporal shifts in research focus: early clusters (2016–2018) concentrated on surveillance and molecular epidemiology, while later-emerging clusters incorporated advanced genomic tools. The network comprises 257 keyword nodes and 315 co-occurrence links (density = 0.0096), with the largest connected component containing 256 nodes (99% of the network). Data source: Web of Science Core Collection; analyzed using CiteSpace. Please click here to view a larger version of this figure.

Figure 5: Top 10 burst keywords detected from the SCI-E publication dataset on antimicrobial resistance in China (2016–2025). Each bar represents a keyword with its burst strength (numerical value). Red segments indicate the detected burst intervals, and blue segments indicate years without a detected burst. The horizontal time axis covers the complete study period from 2016 to 2025. The beginning and ending years of each red segment correspond exactly to the “Begin” and “End” values reported in Table 5. The strongest bursts were observed for mcr-1 (9.12, 2016–2022) and carbapenemase (8.52, 2016–2024), reflecting their sustained dominance as research drivers. Burst keywords are categorized into five thematic groups: Resistance genes (mcr-1); Resistance mechanisms (carbapenemase, biofilm formation); Novel therapies (antimicrobial peptides, phage therapy); Clinical management (antimicrobial stewardship, combination therapy); and Technologies (WGS, machine learning, CRISPR). Keywords with burst strength >3.0 are considered significant. Data source: Web of Science Core Collection; analyzed using CiteSpace. Please click here to view a larger version of this figure.

Rank	Author	Institution	Papers	Centrality
1	Wang Juan	South China Agricultural University	44	0.2
2	Yue Min	Zhejiang University	44	0.15
3	Xu Xuebin	Shanghai Municipal Center for Disease Control and Prevention	42	0.2
4	Wu Qingping	Institute of Microbiology, Guangdong Academy of Sciences	42	0.01
5	Zhang Jumei	Institute of Microbiology, Guangdong Academy of Sciences	41	0.04
6	Wang Yang	China Agricultural University	35	0.11
7	Li Yan	Zhejiang University	30	0.23
8	Wang Wei	China National Center for Food Safety Risk Assessment	26	0.03
9	Chen Moutong	Institute of Microbiology, Guangdong Academy of Sciences	25	0.07
10	Wang Hui	Peking University People's Hospital	24	0.12

Table 1: Top 10 Most Prolific Authors in AMR Research (2016-2025). Publication count represents author productivity. Betweenness centrality measures the extent to which an author connects otherwise separate parts of the collaboration network; higher values indicate a stronger bridging role. Publication count and centrality were interpreted as separate bibliometric indicators.

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

Table 2: Top 10 Research Institutions by Publication Output (2016-2025). Publication count and total citations are as of April 28, 2026. Geographic distribution shows Beijing (5 institutions in top 10: China Agricultural University, Chinese Academy of Medical Sciences – Peking Union Medical College, Chinese Center for Disease Control and Prevention, Chinese Academy of Sciences, and Chinese Academy of Agricultural Sciences), Shanghai (2: Shanghai Jiao Tong University and Fudan University), and one each in Hangzhou (Zhejiang University), Guangzhou (South China Agricultural University), and Yangzhou (Yangzhou University). The institutional network demonstrated clear geographic clustering, with Beijing and Shanghai accounting for 7 of the top 10 institutions, indicating a concentration of research capacity in eastern metropolitan regions.

Rank	Keyword	Frequency	Centrality	Category
1	Antimicrobial Resistance	1167	0.92	General AMR concept
2	Carbapenem	467	0.78	Antimicrobial class
3	ESBL	168	0.72	Resistance mechanism/phenotype
4	MRSA	156	0.68	Resistant clinical pathogen
5	Biofilm	134	0.65	Resistance mechanism
6	CRE	128	0.62	Resistance phenotype/pathogen group
7	P. aeruginosa	108	0.58	Clinical pathogen
8	A. baumannii	102	0.55	Clinical pathogen
9	K. pneumoniae	98	0.52	Clinical pathogen
10	E. coli	95	0.5	Clinical pathogen

Table 3: Top 10 High-Frequency Keywords in AMR Research (2016–2025). The category indicates the primary semantic role of each keyword in the antimicrobial-resistance literature. Keywords were classified as general AMR concepts, antimicrobial classes, resistance genes or mechanisms, resistance phenotypes, clinical pathogens, treatment or management terms, or surveillance and epidemiology terms, where applicable. In the present top-10 list, the represented categories were general AMR concepts, antimicrobial classes, resistance mechanisms or phenotypes, and clinical pathogens.

Organism	2016	2018	2022	2025	Trend	p-value
MRSA	48.80%	35.80%	27.20%	25.80%	Declining	<0.001
CRKP	5.60%	15.20%	22.80%	20.00%	Increasing	<0.001
CRPA	25.00%	27.20%	21.50%	19.90%	Declining	0.003
CRAB	56.00%	64.50%	76.80%	76.50%	High-level	<0.001
VRE	1.50%	2.90%	5.20%	6.50%	Increasing	<0.001

Table 4: Trends of Antimicrobial Resistance in Major Pathogens (2016–2025). Each horizontal line represents one of the 15 LLR-generated clusters (#0–#14), and each node represents a keyword appearing in the corresponding year. Node size represents keyword frequency. The six principal clusters discussed in the text are #0 “virulence gene,” #2 “Klebsiella pneumoniae,” #4 “antimicrobial resistance genes,” #5 “antibiotic resistance,” #6 “molecular epidemiology,” and #7 “Escherichia coli.” The clustering solution had a modularity Q of 0.8108 and a mean silhouette S of 0.9388.

Rank	Keyword	Burst	Begin	End	Category
1	mcr-1	9.12	2016	2022	Resistance gene
2	Carbapenemase	8.52	2016	2024	Resistance mechanism
3	Antimicrobial peptides	7.92	2019	2024	Novel therapy
4	Biofilm formation	7.25	2017	2024	Resistance mechanism
5	WGS	7.34	2018	2024	Molecular typing
6	Antibiotic stewardship	6.89	2017	2024	Clinical management
7	Phage therapy	6.54	2020	2024	Novel therapy
8	Combination therapy	6.23	2017	2023	Treatment strategy
9	Machine learning	5.83	2021	2024	Technology
10	CRISPR	4.92	2022	2024	Technology

Table 5: Top 10 Burst Keywords Indicating Research Frontiers (2016–2025). Burst strength and burst duration were used as the quantitative indicators of frontier activity. Separate annual keyword-frequency growth rates were not calculated. Burst strength was calculated using CiteSpace burst detection algorithm (Kleinberg's algorithm) with default parameters (γ = 1.0, minimum duration = 2 years). Keywords with burst strength >3.0 are considered significant. “Begin” and “End” indicate the first and last year of the burst period, as visualized in Figure 5. The category column reflects the thematic classification of each burst keyword. The strongest bursts were observed for mcr-1 (9.12, 2016–2022) and carbapenemase (8.52, 2016–2024), indicating their central roles as research drivers. Notably, novel therapeutic approaches (antimicrobial peptides, phage therapy) and emerging technologies (machine learning, CRISPR) showed sustained burst activity through 2024, signaling a paradigm shift toward innovation-driven AMR research. The analytical time window was 2016–2025. A burst ending in 2024 indicates that no significant burst was detected for that keyword in 2025; it does not indicate that the overall analytical time window ended in 2024.

Supplementary Figure 1: PRISMA-style flow diagram of literature identification, screening, and inclusion. A total of 5,286 database records were initially identified, including 3,043 records from the Web of Science Core Collection Science Citation Index Expanded (SCI-E), 983 records from the Peking University Core Journals category of the China National Knowledge Infrastructure (CNKI), 802 records from the Chinese Science Citation Database category, and 462 records from the World Journal Clout Index category. Because the three CNKI categories were overlapping, category-specific records were consolidated before screening. Duplicate records were identified using DOI matching where available, followed by comparison of article titles, first-author names, and publication years, with manual review of uncertain matches. After combined deduplication and eligibility screening, 2,190 records were removed, and 3,096 publications were included, comprising 2,000 English-language SCI-E publications and 1,096 Chinese-language CNKI publications.Please click here to download this file.

Supplementary Table 1: Annual publication output of antimicrobial resistance research in China from 2016 to 2025. Annual numbers of English-language and Chinese-language publications included in the bibliometric analysis are presented together with the total publication count for each year. The final dataset comprised 3,096 publications.Please click here to download this file.

Supplementary Table 2: Bibliographic records of publications included in the final bibliometric analysis. The table lists the 3,096 publications included in the final analytical dataset, comprising 2,000 English-language records from the Web of Science Core Collection and 1,096 Chinese-language records from the China National Knowledge Infrastructure (CNKI). Please click here to download this file.

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 Piani d'Azione Nazionali per il Controllo della Resistenza agli Antimicrobici per il periodo 2016–2020 e 2022–2025, che forniscono un contesto politico pertinente; tuttavia, l'attuale analisi bibliometrica non può stabilire che l'emanazione delle politiche abbia causato i cambiamenti osservati nei temi delle pubblicazioni. L'aumento del numero di pubblicazioni riflette sia la crescente gravità (2019–2021) della crisi della resistenza antimicrobica sia un maggiore impegno governativo e istituzionale nel fronteggiare questa sfida. Di conseguenza, l'evoluzione proposta dei temi di ricerca dovrebbe essere interpretata in senso descrittivo e non è stata convalidata indipendentemente mediante analisi di articoli fondamentali o di articoli particolarmente citati specifici per ciascuna fase. In un contesto globale, la traiettoria dell'output di ricerca cinese si allinea con modelli più ampi osservati nelle economie emergenti, dove il volume di pubblicazioni sull'AMR è cresciuto in modo esponenziale in risposta all'aumento del carico di resistenza²¹.

Il calo della produzione pubblicativa dopo il picco del 2022 ha coinciso con il periodo di attuazione del secondo Piano d'Azione Nazionale per il Contenimento della Resistenza Antimicrobica (2022–2025), mentre l'espansione precedente ha seguito il primo piano d'azione (2016–2020). Questa corrispondenza temporale potrebbe riflettere cambiamenti nelle priorità di ricerca, nell'allocazione dei finanziamenti e nei modelli di pubblicazione attraverso le diverse fasi politiche, piuttosto che una semplice riduzione dell'attività di ricerca sulla resistenza antimicrobica. Tuttavia, il ritardo nelle pubblicazioni e nell'indicizzazione, la copertura del database e i criteri di idoneità dello studio potrebbero aver contribuito anche al calo apparente, in particolare negli anni più recenti. L'analisi bibliometrica attuale, pertanto, non può stabilire una relazione causale né tra il piano d'azione nazionale né con la produzione di pubblicazioni.

L'analisi della rete collaborativa rivela una struttura fortemente centralizzata, in cui Wang Juan, Yue, Min e l'Università del Zhejiang fungono da nodi centrali che collegano i centri di ricerca regionali. Tuttavia, la limitata collaborazione interregionale (densità della rete = 0,0137) indica una scarsa densità della rete di collaborazione, determinata da una connettività limitata tra i gruppi di ricerca; inoltre, non è stata effettuata alcuna analisi formale delle pubblicazioni per regioni orientali, centrali e occidentali. Un possibile quadro di collaborazione interregionale potrebbe utilizzare CARSS come struttura nazionale per la sorveglianza e la coordinazione dei dati, consorzi medici regionali come unità per l'armonizzazione della raccolta dei campioni, delle procedure di saggio di suscettibilità e della validazione clinica multicentrica, e piattaforme universitarie di ricerca come centri per il sequenziamento genomico, la bioinformatica e lo sviluppo metodologico. Dizionari comuni di dati, set di dati interoperabili anonimizzati, periodici confronti interregionali e progetti congiunti di allerta precoce potrebbero contribuire a tradurre i segnali di sorveglianza in priorità di ricerca e in azioni di gestione adattate al contesto locale. Questo quadro proposto rappresenta un percorso di implementazione derivato dai risultati della rete, piuttosto che un intervento direttamente valutato nel presente studio.

Le tendenze divergenti della resistenza identificate in questo studio hanno profonde implicazioni cliniche. Il marcato declino dello Staphylococcus aureus resistente alla meticillina (MRSA) (48,8%→25,8%; β = –2,43% all'anno, p < 0,001) dimostra che interventi nazionali coordinati—tra cui la sorveglianza obbligatoria, campagne sull'igiene delle mani e programmi di gestione degli antimicrobici—possono combattere efficacemente i patogeni resistenti²².

Le diverse traiettorie probabilmente riflettono differenze tra patogeni in termini di pressione selettiva antimicrobica, meccanismi di resistenza, persistenza ecologica, dinamiche di trasmissione e risposta alle misure di controllo delle infezioni. Il calo di MRSA potrebbe essere associato all'implementazione più ampia di programmi di sorveglianza e controllo delle infezioni, mentre l'aumento o l'elevata resistenza persistente tra CRKP e CRAB potrebbe riflettere la continua diffusione di determinanti di resistenza ai carbapenemi e la difficoltà nel controllare gli organismi Gram-negativi multiresistenti. La lieve diminuzione di CRPA indica che le tendenze della resistenza non possono essere generalizzate a tutti i patogeni resistenti ai carbapenemi. Analogamente, l'aumento di VRE partendo da una base relativamente bassa richiede un monitoraggio continuo. Poiché questi fattori non sono stati misurati direttamente, dovrebbero essere considerati interpretazioni plausibili piuttosto che meccanismi causali dimostrati.

In linea con l'analisi degli argomenti emergenti, mcr-1 e carbapenemasi sono rimasti argomenti di ricerca rilevanti, a indicare un'attenzione costante verso la resistenza mobile al colistino e verso gli organismi resistenti ai carbapenemi. L'emergere dei peptidi antimicrobici e della terapia fagica indica un crescente interesse per alternative agli antibiotici convenzionali, mentre il sequenziamento dell'intero genoma, il machine learning e la tecnologia CRISPR riflettono un'attenzione crescente alla sorveglianza genomica, alla previsione della resistenza e ad approcci mirati ai geni. Studi recenti hanno inoltre evidenziato le potenziali applicazioni dell'intelligenza artificiale nella sorveglianza della resistenza agli antimicrobici (AMR), nell'identificazione di marcatori di resistenza, nell'analisi dei biofilm, nella diagnostica e nella scoperta di nuovi antimicrobici^12,23,24,25.

Tuttavia, il rilevamento di questi termini come frontiere di ricerca non indica un'effettiva prontezza clinica. I modelli di apprendimento automatico richiedono set di dati multicentrici standardizzati, validazione esterna e prospettica, interpretabilità del modello e integrazione con i flussi di lavoro di laboratorio e clinici. La terapia con fagi affronta sfide legate alla specificità del ceppo, alla coerenza della produzione, al controllo di qualità, all'evoluzione della resistenza e alla standardizzazione normativa, mentre le strategie antibatteriche basate su CRISPR rimangono limitate dall'efficienza di somministrazione, dagli effetti fuori bersaglio, dai requisiti di biosicurezza e contenimento. La ricerca internazionale pone sempre più enfasi sulla validazione multicentrica, sulla produzione standardizzata e sui percorsi regolatori; tali aspetti dovrebbero essere presi in considerazione anche nella valutazione della maturità traslazionale della ricerca condotta in Cina. Poiché lo studio attuale non ha effettuato un confronto quantitativo tra le fasi di sviluppo clinico nazionali e internazionali, questa interpretazione rimane qualitativa.

Studi condotti su diverse popolazioni cliniche e contesti di infezione dimostrano una notevole variabilità nella distribuzione dei patogeni e nei profili di resistenza agli antimicrobici^{26,27,28,29,30,31,32,33,34,35,36,37,38}. Nel complesso, questi rapporti indicano che i modelli di resistenza sono influenzati dalle caratteristiche del paziente, dai siti di infezione, dall'esposizione agli antimicrobici e dall'epidemiologia locale. I patogeni Gram-negativi resistenti ai carbapenemi rimangono una preoccupazione ricorrente in diversi contesti, mentre il trattamento empirico dovrebbe essere guidato dalla sorveglianza locale e da test standardizzati di suscettibilità. Le evidenze riguardanti la terapia combinata, le associazioni β-lattamici/inibitori delle β-lattamasi, i derivati delle tetracicline e altri trattamenti alternativi forniscono inoltre un contesto clinico per i temi terapeutici identificati dalle analisi basate su parole chiave e analisi di burst^30,39.

In linea con i risultati relativi alle parole chiave e ai cluster, la formazione di biofilm rimane un importante meccanismo fenotipico che contribuisce alla tolleranza agli antimicrobici e al fallimento terapeutico. Studi su Cutibacterium acnes illustrano come comunità microbiche strutturate possano aumentare la tolleranza attraverso barriere fisiche e modifiche del microambiente⁴⁰Gli RNA non codificanti sono emersi anche come potenziali regolatori dell'espressione dei geni di resistenza in Acinetobacter baumannii⁴¹. In parallelo, sequenziamento di nuova generazione βinibitori delle β-lattamasi, derivati della tetraciclina e regimi terapeutici combinati hanno ampliato la ricerca sulle opzioni terapeutiche per gli organismi resistenti ai carbapenemi⁴². Questi sviluppi mantengono una rilevanza clinica, considerata la resistenza ad alto livello persistentemente segnalata per Klebsiella pneumoniae e Acinetobacter baumannii nei dati di sorveglianza nazionali⁴³.

Le opinioni degli operatori sanitari sulla resistenza agli antimicrobici, in particolare in contesti specializzati come le malattie respiratorie croniche, sottolineano l'importanza fondamentale dei fattori comportamentali umani per il successo del programma di stewardship⁴⁴. Inoltre, analisi su scala nazionale dei fattori associati alla resistenza clinica agli antimicrobici hanno identificato la densità di consumo di antibiotici come fattore principale, confermando che un maggiore utilizzo di carbapenemi e cefalosporine di terza generazione è direttamente correlato all'aumento della resistenza in Pseudomonas aeruginosa e in altri patogeni Gram-negativi⁴⁵.

Diversi limiti devono essere riconosciuti. In primo luogo, differenze nella copertura dei database, nelle pratiche di indicizzazione, nelle strutture dei campi e nella terminologia in lingua cinese e inglese potrebbero aver introdotto un bias di recupero e potrebbero aver impedito l'allineamento completo di record semanticamente equivalenti. Lo studio attuale non ha condotto un'analisi tematica separata dei corpora in lingua cinese e inglese; pertanto, le differenze specifiche per lingua nell'enfasi della ricerca non sono state valutate quantitativamente. In secondo luogo, gli indicatori bibliometrici non possono valutare direttamente la qualità metodologica o il rischio di bias degli studi individuali, e le misure basate sulle citazioni potrebbero favorire pubblicazioni più vecchie, particolarmente visibili o indicizzate a livello internazionale. In terzo luogo, l'esclusione di studi veterinari e ambientali privi di un componente esplicito sulla salute umana, insieme alla limitata copertura di atti di conferenze, rapporti istituzionali, tesi e altra letteratura grigia, potrebbe aver sottorappresentato il panorama più ampio dell'AMR nell'ambito di One Health, in particolare le evidenze provenienti da contesti comunitari e rurali. L'esclusione di revisioni sistematiche e meta-analisi prive di nuovi dataset primari potrebbe inoltre aver sottorappresentato il contributo della sintesi delle evidenze alla formazione di hotspot. In quarto luogo, i ritardi nella pubblicazione e nell'indicizzazione potrebbero aver ridotto la rappresentatività degli studi pubblicati verso la fine del periodo analizzato. In quinto luogo, l'algoritmo di rilevamento dei picchi di Kleinberg potrebbe generare segnali falsi positivi quando le parole chiave mostrano fluttuazioni temporali brevi o sporadiche. Inoltre, non è stata effettuata un'analisi formale della sensibilità delle impostazioni dei parametri di CiteSpace; pertanto, la robustezza dei risultati relativi alla rete, ai raggruppamenti e ai picchi in corrispondenza di diverse scelte dei parametri di CiteSpace non è stata valutata. L'assenza di una consolidazione formale dei sinonimi potrebbe aver frammentato parole chiave semanticamente equivalenti e potrebbe aver influenzato le stime di frequenza delle parole chiave e della rete. Poiché non è stata effettuata un'analisi formale delle pubblicazioni per le regioni Est/Centro/Ovest della Cina, le differenze regionali nella produzione editoriale non sono state valutate quantitativamente.

Studi futuri dovrebbero testare parametri alternativi di sensibilità agli episodi di crescita improvvisa e soglie minime di durata, applicare dizionari di sinonimi trasparenti, confrontare i risultati tra basi di dati indipendenti e incrociare i segnali di picco con le frequenze annuali delle parole chiave e con una revisione da parte di esperti. Non è stata eseguita un’analisi dedicata degli articoli più citati; studi futuri potrebbero includere un’analisi degli articoli fondamentali per caratterizzare ulteriormente e convalidare in modo indipendente i cambiamenti temporali nei temi di ricerca sulla resistenza agli antimicrobici (AMR). Un’analisi con sovrapposizione di mappe duali era inoltre al di fuori dell’ambito del presente studio e potrebbe essere presa in considerazione in lavori futuri per caratterizzare i percorsi di citazione a livello di rivista.

I modelli bibliometrici indicano che la ricerca sulla resistenza agli antimicrobici in Cina si è spostata in misura crescente dalla sorveglianza descrittiva verso indagini meccanicistiche e lo sviluppo di interventi innovativi. Sebbene siano stati compiuti notevoli progressi nel controllo dello Staphylococcus aureus resistente alla meticillina grazie a un'accurata gestione, i patogeni Gram-negativi resistenti ai carbapenemi rappresentano ancora una minaccia critica che richiede un'attenzione urgente. L'emergere di modelli predittivi basati sull'intelligenza artificiale, della terapia con fagi e di interventi basati su CRISPR potrebbe offrire nuove opportunità per affrontare la resistenza agli antimicrobici, anche se la loro transizione dalla ricerca di laboratorio alla pratica clinica rimane difficoltosa. I risultati sostengono la necessità di proseguire la sorveglianza, rafforzare la collaborazione tra le diverse regioni e proseguire la ricerca sia sugli antibiotici convenzionali sia sulle nuove strategie terapeutiche.

Materiali

Elenco dei materiali utilizzati in questo articolo

Nome	Azienda	Numero di catalogo	Commenti
CiteSpace	Drexel University, Philadelphia, PA, USA	versione 6.4.R1	Per 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 Infrastructure	Non applicabile	Per raccogliere articoli di ricerca provenienti da fonti nazionali cinesi.
R	Software R	versione 4.3.2
Web of Science Core Collection (SCI-E)	Web of Science	Non applicabile	Per cercare e recuperare sistematicamente la letteratura internazionale.