이 콘텐츠를 보려면 JoVE 구독이 필요합니다. 로그인하거나 오늘 무료 평가판을 시작하세요.

연구 논문

중국의 항생제 내성 연구 핫스팟 및 동향에 대한 시각적 계량서지학적 분석

103 조회수

⸱

DOI:

10.3791/72404

⸱

2026년 9월 8일

 ,  , 
1Infectious Department, The Affiliated People's Hospital of Ningbo University

이 논문에서

요약

본 서지학적 분석은 CiteSpace를 사용하여 2016년부터 2025년까지 중국의 항균제 내성 연구 동향과 신흥 핫스팟을 매핑하였습니다. 분석 결과, 새로운 치료법과 기술 기반 접근 방식에 대한 관심이 증가하고 있으며, MRSA 및 CRKP 내성 동향의 대조적인 양상이 나타나 지속적인 감시와 표적 항균제 스튜어드십의 필요성이 강조되었습니다.

초록

2016~2025년 중국의 항생제 내성(AMR) 연구 현황을 체계적으로 분석하고, 서지학적 시각화 기술을 사용하여 핫스팟을 식별하며 새로운 트렌드를 탐지하고자 하였다. Web of Science Core Collection(Science Citation Index Expanded, SCI-E 포함)과 China National Knowledge Infrastructure(CNKI)에서 3,096편의 문헌을 수집하였다. CiteSpace를 사용하여 공저자 네트워크 분석, 키워드 동시 출현 매핑 및 로그 가능도비(Log-Likelihood Ratio, LLR) 알고리즘을 이용한 클러스터 분석을 수행하였다. Kleinberg 알고리즘을 통한 버스트 탐지로 연구 프론티어를 식별하였으며, 모듈성 Q (>0.3)와 실루엣 지표로 네트워크 구조의 품질을 검증하였다. 출판 건수는 2016년 357편에서 2022년 365편으로 증가했으며, 2019~2022년 기간 이후 성장이 가속화되었다. 유의미한 구조적 타당성(모듈성 Q = 0.8108)을 가진 6개의 주요 연구 클러스터가 도출되었다. 버스트 분석 결과, mobilized colistin resistance-1 (mcr-1, 버스트 강도 9.12)과 carbapenemase (8.52)가 가장 강력한 신흥 신호로 식별되었다. 내성 감시 결과 상이한 추세가 나타났는데, 카바페넴 내성 Klebsiella pneumoniae는 5.6%에서 20.0%로 급격히 증가한 반면, 메티실린 내성 Staphylococcus aureus는 48.8%에서 25.8%로 감소하였다. 저자 네트워크 분석 결과, 지역 간 협업이 제한적인 매우 중앙 집중화된 구조가 드러났다. 항균 펩타이드, 파지 치료 및 머신러닝 응용을 포함한 새로운 치료법들이 유의미하게 부상하였다. 전반적으로, 서지학적 패턴은 중국의 AMR 연구가 기술적 감시에서 기전 연구 및 혁신적 중재법에 대한 관심 증가 방향으로 진화했음을 시사한다. 메티실린 내성 Staphylococcus aureus의 감소와 카바페넴 내성 병원균의 증가라는 대조적인 결과는 지속적인 국가적 감시, 강화된 지역 간 협업, 표적 항생제 스튜어드십, 그리고 신흥 기술의 신중한 임상 적용 필요성을 강조한다.

서론

항균제 내성(AMR)은 전 세계 공중 보건에 심각한 위협이 되고 있으며, 세계보건기구(WHO)는 이를 인류가 직면한 10대 건강 위협 중 하나로 규정하고 있습니다1. AMR으로 인한 경제적 부담은 상당하며, 현재의 추세가 계속된다면 2050년까지 내성 감염으로 인해 전 세계적으로 연간 1,000만 명의 사망자가 발생할 수 있다는 전망이 나오고 있습니다2. 박테리아의 항균제 내성에 관한 근본적인 기전은 효소에 의한 약물 변형, 표적 부위 변형, 유출 펌프의 과발현 및 바이오필름 형성 등 복잡한 유전적 및 표현형적 적응을 포함하며, 이러한 요인들이 결합하여 기존 치료 수단의 효능을 위협하고 있습니다3. 최근의 글로벌 평가에서는 이러한 과제의 광범위한 범위가 더욱 강조되었으며, 현재 항균제 내성은 인간의 건강, 동물 농축산 및 환경 분야 전반에 걸친 통합적 대응이 필요한 복잡한 생태학적 현상으로 인식되고 있습니다4. 또한 AMR은 환경 및 사회경제적 목표를 포함하여 지속 가능한 발전에 더 광범위한 영향을 미칩니다5. 특히 말라리아, HIV 및 결핵의 내성과 싸우는 과정에서 그 어려움이 두드러지며, 다제내성 균주들은 수십 년간 이뤄온 감염병 제어의 성과를 위협하고 있습니다6. 중국의 AMR 역학에 대한 역사적 분석에 따르면, 의료 관행과 항생제 소비 패턴에 의해 형성된 고유한 내성 유전자 프로필 및 전파 역학을 포함하여 서구 인구 집단과는 차별화된 특성이 있음이 기록되었습니다7.

인구가 많고 항생제 소비량이 상당한 중국은 특히 심각한 항생제 내성(AMR) 문제에 직면해 있습니다. 중국의 1인당 항생제 사용량은 많은 유럽 국가들보다 여전히 상당히 높으며, 이는 내성 발현을 유도하는 선택 압력을 형성하고 있습니다.8이러한 위기의 심각성을 인식하여, 중국 정부는 항균제 내성 억제를 위한 국가 행동 계획(2016-2020, 2022-2025)을 시행하였으며, 전국적인 내성 패턴을 모니터링하기 위해 중국 항균제 내성 감시 체계(CARSS)를 구축하였습니다.9지역적 관점에서 동남아시아는 항생제 내성(AMR) 연구 및 확산의 핵심 핫스팟으로 부상했으며, 서지 분석 결과 중국의 궤적과 유사하게 연구 성과가 급격히 증가하고 있음이 밝혀졌다.10전 세계적인 추세와 전망에 따르면, 결정적인 개입이 없을 경우 항생제 내성(AMR)으로 인한 사망 부담은 중소득 국가에 불균형적으로 영향을 미칠 것이며, 일부 전망에서는 금세기 중반까지 아시아 태평양 지역이 내성 관련 전체 사망자의 거의 절반을 차지할 수 있다고 나타냅니다.11이러한 냉혹한 예측은 항생제 스튜어드십에 대한 국제적 약속을 촉진했으나, 전 세계적으로 정책 수립과 임상 적용 사이의 실행 격차는 여전히 존재한다.12이러한 이니셔티브를 통해 내성 역학, 분자적 기전 및 임상 결과에 관한 광범위한 데이터가 생성되었으며, 이는 서지 분석을 위한 풍부한 자료가 되었습니다. 따라서 최근의 원 헬스(One Health) 체계는 항생제 관리 전략 및 신속 진단 기술의 뒷받침 하에 인체 건강, 동물 건강, 농업 및 환경 부문에 걸친 통합적인 개입을 강조하고 있습니다.13.

출판된 문헌을 정량적으로 분석하기 위해 수학적 및 통계적 방법을 활용하는 계량서지학적 분석(Bibliometric analysis)을 통해 연구자는 연구 핫스팟을 발견하고, 진화 궤적을 추적하며, 미래 방향을 예측할 수 있습니다14. CiteSpace와 같은 시각화 도구는 복잡한 인용 데이터를 직관적인 지식 지도로 변환하여 과학 문헌 속에 숨겨진 패턴을 드러냅니다15. 기존의 계량서지학 연구들은 전 세계적인 항진균제 내성 연구를 포함하여 특정 AMR 분야의 연구 동향을 도식화해 왔습니다16. 그러나 중국 내 AMR에 관한 중국어 및 영어 연구를 통합한 종합적인 계량서지학적 분석은 여전히 제한적입니다. 특정 AMR 분야에 집중했던 이전의 계량서지학 분석과 달리, 본 연구는 중국어 CNKI 및 영어 Web of Science 기록을 통합하고, 국가 CARSS 감시 동향을 사용하여 계량서지학적 발견의 맥락을 별도로 분석합니다. 본 연구는 CiteSpace 소프트웨어를 활용하여 지식 지도를 생성함으로써 2016~2025년 중국 내 AMR 연구에 대한 체계적인 계량서지학적 분석을 제공하고, 향후 연구 우선순위 및 정책 개발을 위한 근거 기반의 권고 사항을 제시하는 것을 목표로 합니다. 이러한 결합 설계는 연구 지형에 대한 이국어 관점을 제공하는 동시에, 계량서지학적 트렌드를 국가 내성 감시 데이터와 병행하되 독립적으로 해석할 수 있게 합니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

프로토콜

데이터 소스

중국과 관련된 항생제 내성(AMR) 연구의 글로벌 범위를 확보하기 위해 국제 및 국내 데이터베이스 모두를 대상으로 종합적인 문헌 검색을 수행하였습니다. 국제 문헌의 경우, 2016년 1월 1일부터 2025년 12월 31일까지 Web of Science Core Collection(Science Citation Index Expanded, SCI-E 포함)과 중국 국가지식인프라(CNKI)를 체계적으로 검색하였습니다. SCI-E에 사용된 정확한 불리언 쿼리는 다음과 같습니다: TS = ((“antimicrobial resistance” OR “antibiotic resistance” OR “drug resistance”) AND (“China” OR “Chinese” OR “Mainland China”)). CNKI의 경우, “antibiotic resistance”, “antimicrobial resistance”, “drug resistance”의 중국어 대응어와 “China”를 조합하여 주제(Subject) 필드를 검색하였습니다. CiteSpace 분석 전 공식적인 키워드-동의어 병합이나 시소러스 기반의 전처리는 수행하지 않았습니다. 2025년 12월 31일까지 발행된 출판물이 데이터베이스에 충분히 색인화될 수 있도록 최종 검색은 2026년 4월 28일에 실행하였습니다. 데이터베이스의 발행 연도 필터는 2016~2025년으로 제한하였습니다. 스크리닝 과정에서 Early Access로 표시된 기록을 추가로 확인하였으며, 최초 온라인 발행일이 2026년인 논문은 분석에서 제외하였습니다. 텍스트, 표 및 그림에서 일관된 용어를 사용하기 위해 키워드 레이블을 원래의 CiteSpace 출력값과 대조하여 확인하였습니다.

CNKI 검색 결과, Peking University Core Journals (PKU Core)에서 983건, Chinese Science Citation Database (CSCD)에서 802건, World Journal Clout Index (WJCI)에서 462건의 레코드가 검색되었습니다. 단일 논문이 이러한 범주 중 여러 개에 인덱싱될 수 있으므로, 이 수치들은 범주별 검색 레코드를 나타내며 상호 배타적인 출판 건수가 아닙니다. 따라서 적격성 심사 전에 세 가지 레코드 세트를 병합하였습니다. 중복 항목은 먼저 정확한 DOI 매칭을 통해 식별하였습니다. DOI가 없는 레코드의 경우, 정규화된 논문 제목을 제1저자 이름 및 출판 연도와 함께 비교하였습니다. 메타데이터가 불완전하거나 일치하지 않는 레코드는 수동으로 검토하였습니다. 동일한 논문이 두 개 이상의 CNKI 인덱싱 범주에 나타난 경우, 인덱싱된 범주의 수와 관계없이 통합 CNKI 데이터셋에 한 번만 유지하였습니다. CNKI 내 중복 제거 및 적격성 심사 후, 총 1,096편의 고유한 중국어 논문이 선정되었습니다. 본 연구의 목적은 학술지의 명성에 따라 말뭉치를 제한하는 것이 아니라 전반적인 AMR 연구 지형을 특성화하는 것이었으므로, 저널 영향력 지수(impact-factor) 임계값은 적용하지 않았습니다. 또한, 본 연구의 목적은 개별 연구 수준의 방법론적 품질을 평가하는 것이 아니라 전반적인 계량서지학적 지형을 특성화하는 것이었으므로, 개별 출판물에 대한 공식적인 방법론적 품질 또는 편향 위험(risk-of-bias) 평가는 수행하지 않았습니다.

SCI-E와 CNKI 전체에서 초기에 5,286건의 레코드가 식별되었습니다. 이후 CNKI와 Web of Science 데이터셋 간의 잠재적 중복을 식별하기 위해 동일한 DOI, 제목, 저자 및 연도 기준을 적용하였습니다. 통합 중복 제거 및 적격성 스크리닝 과정에서 총 2,190건의 레코드가 제거되었으며, 최종적으로 3,096건의 출판물이 분석 대상으로 남았습니다. 문헌 식별, 스크리닝 및 포함 과정의 전체 내용은 부록 그림 1에 제시되어 있습니다.

포함 기준은 다음과 같았다: 중국 내 세균 AMR에 초점을 맞춘 연구, 내성률, 분자 역학, 임상 결과 또는 중재 전략을 보고한 논문, 그리고 2016년 1월 1일부터 2025년 12월 31일 사이에 발표된 출판물. 중복 기록, 2026년 출판물, 독창적인 데이터 세트가 없는 리뷰 또는 메타 분석, 그리고 인체 건강 구성 요소 없이 수의학 또는 환경 AMR에 국한된 연구는 제외되었다. 새로운 1차 데이터 세트가 없는 리뷰 및 메타 분석은 본 분석이 독창적인 연구 성과를 특징짓도록 설계되었기 때문에 제외되었다. 분석 대상을 독창적인 연구로 제한함으로써 출판 수, 공동 저자 패턴, 키워드 빈도 및 인용 관련 척도를 포함한 계량서지학적 지표의 비교 가능성을 높였는데, 이는 근거 합성 논문은 이전 연구들을 집계하므로 인용 및 키워드 프로필이 상당히 다를 수 있기 때문이다. 데이터베이스 전반의 중복 항목을 제거하고 제목과 초록을 스크리닝한 후, 총 3,096편의 출판물이 계량서지학적 분석에 포함되었으며, 여기에는 중국어 논문 1,096편(35.4%)과 영어 출판물 2,000편(64.6%)이 포함되었다.

분석 방법

계량서지학적 분석을 위해 CiteSpace (Drexel University, Philadelphia, PA, USA)17를 사용하였다. 분석 기간은 2016~2025년으로 설정하였으며, 시간 슬라이스 길이는 1년으로 하였다. 저자, 기관 및 키워드 분석을 위해 노드 유형을 각각 별도로 선택하였다. 노드 선택에는 k = 10인 g-index를 사용하였으며, 표시 설정으로는 LRF = 2.5, L/N = 10, LBY = 5, e = 1.0을 적용하였다. 주요 네트워크 구조를 유지하면서 불필요한 연결을 줄이기 위해 저자, 키워드 및 클러스터 네트워크에 패스파인더 가지치기(Pathfinder pruning)를 적용하였다. 10년의 연구 기간 내 연간 변화를 보존하기 위해 1년의 시간 슬라이스를 선택하였다.

네 가지 주요 분석 모듈이 활용되었다: 저자와 기관 간의 협업 네트워크를 매핑하기 위한 공동 저자 분석, 연구 주제와 그 관계를 식별하기 위한 키워드 동시 출현 분석, 자동 레이블링을 통해 주제별 클러스터를 추출하기 위한 Log-Likelihood Ratio (LLR) 알고리즘 기반의 클러스터 분석, 그리고 신흥 트렌드와 연구 프런티어를 식별하기 위한 Kleinberg 알고리즘 기반의 버스트 탐지 분석이다. 클러스터의 품질을 평가하기 위해 모듈성 Q와 평균 실루엣 S를 포함한 네트워크 지표가 사용되었다. 모듈성 Q 값이 0.3보다 크면 의미 있는 커뮤니티 구조가 형성되었음을 나타내며, 평균 실루엣 값이 0.7보다 크면 클러스터 내 일관성이 높고 클러스터 할당이 신뢰할 수 있음을 나타낸다18.

내성 경향의 통계적 분석

주요 병원균의 내성률 추세는 전국의 참여 감시 병원 데이터를 취합한 중국 항균제 내성 감시 체계(CARSS) 연례 보고서(2016–2025)에서 도출되었습니다. 이러한 감시 데이터는 서지 분석 코퍼스와는 독립적으로 분석되었으며, CiteSpace 분석에 사용된 3,096편의 Web of Science 및 CNKI 출판물에서 추출되거나, 통합되거나, 포함되지 않았습니다.

각 병원체-항균제 조합에 대해 연간 내성률(특정 약제에 내성을 보이는 중복되지 않은 분리균의 백분율), 테스트한 총 분리균 수(분모) 및 데이터를 제공한 감시 병원의 수를 추출하였습니다. 감수성 테스트는 표준화된 액체 배지 미량 희석법 또는 디스크 확산법을 사용하여 수행되었으며, 해석은 미국 임상 및 실험실 표준 협회(CLSI) 가이드라인(M100 문서, 2016-2025년판)을 기준으로 하였습니다.

시간적 추세를 평가하기 위해, 전체 10년 기간(2016–2025)에 걸쳐 내성률을 종속 변수로, 연도를 독립 변수로 하여 선형 회귀 분석을 수행하였습니다. 각 병원체-항균제 쌍에 대해 회귀 기울기(β)와 결정계수(R2)를 계산하였습니다. 감시 범위의 잠재적 변화(예: 2016년 1,398개 병원에서 2025년 2,349개 병원으로 확대)를 고려하여, 각 연도의 내성률에 참여 병원 수의 역수와 보고 기관의 지리적 분포를 가중치로 적용한 민감도 분석도 수행하였습니다. 이러한 가중치 모델은 가중치를 적용하지 않은 분석과 일치하는 추세 방향 및 유의 수준을 나타냈으므로, 단순성과 해석 가능성을 위해 가중치를 적용하지 않은 결과를 제시하였습니다. 모든 통계 분석은 R version 4.3.2 (R Foundation for Statistical Computing, Vienna, Austria)를 사용하여 수행되었습니다. 양측 p-value <0.05를 통계적으로 유의한 것으로 간주하였습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

결과

게재 동향

총 3,096편의 간행물이 분석에 포함되었다. 연간 총 발행 건수는 2016년 357편에서 증가하여 2022년 365편의 정점을 기록한 후, 이후 2025년까지 지속적으로 감소하여 146편에 이르렀다(그림 1). 영어로 발행된 논문 수는 2016년 130편에서 2022년 295편까지 증가한 후, 2025년에는 69편으로 감소하였다. 중국어로 발행된 논문 수는 2016년 227편에서 2019년 93편으로 감소한 후, 2020년부터 2021년 사이에 증가세를 보였으며, 2025년에는 77편에서 마감되었다(그림 1).

언어별 분포는 흥미로운 양상을 보여주었다. 2016년에는 중국어로 발표된 논문이 전체의 63.6%로 가장 많았으나, 영어 논문은 상대적으로 더 빠르게 증가하여 2016년에는 ...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

토론

서지학적 패턴을 통해 볼 때, 중국의 AMR 연구는 기술적 감시 및 병원체 특성 규명에서 저항성 기전, 유전체적 접근 방식 및 중재 중심 연구로 점진적으로 확대되었음을 알 수 있습니다. 중첩되는 키워드 클러스터와 버스트 기간(burst periods)은 세 개의 개별적이고 상호 배타적인 단계라기보다 누적적인 주제 다변화가 이루어졌음을 나타냅니다. 이러한 변화의 시점은 관련 정책적 배경을 제공하는 2016–2020년 및 2022–2025년 항생제 내성 억제를 위한 국가 행동 계획과 겹칩니다. 그러나 본 서지학적 분석만으로는 정책 발표가 출판 주제의 관찰된 변화를 야기했다는 인과관계를 입증할 수는 없습니다. 출판물의 증가는 AMR 위기의 심화(2019–2021)와 이 과제를 해결하려는 정부 및 기관의 의지 상승을 모두 반영합니다. 따라서 제안된 연구 주제의 진화 과정은 기술적으로 해석되어야 하며, 마일스톤 논문이나 단계별 고인용 논문 분석을 통해 독립적으로 검증되지 않았습니다. 글로벌 맥락에서 볼 때, 중국의 연구 결과 궤적은 내성...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

공개 사항

저자들은 본 원고의 작성 과정에서 다음과 같이 생성형 인공지능(AI) 도구를 사용하였음을 밝힙니다. 최종 원고 초안의 언어 다듬기 및 문법 교정을 위해 Grammarly (version 1.2.3)를 사용하였으며, 서지 데이터 정리 및 데이터 전처리를 위한 초기 Python 스크립트 생성을 돕기 위해 OpenAI의 ChatGPT (GPT-4, 2026년 3월 15일 API를 통해 접속)를 사용하였습니다. 과학적 발견을 도출하거나, 결과를 해석하거나, 결론을 공식화하는 데 사용된 AI 도구는 없습니다. 모든 그림과 표는 AI의 도움 없이 CiteSpace 및 R 4.3.2의 출력 결과로부터 직접 생성되었습니다. 저자들은 AI의 도움으로 생성된 모든 내용을 검토하고 확인하였으며, 원고의 정확성과 무결성에 대해 모든 책임을 집니다.

감사의 글

저자들은 본 원고를 완성하는 데 필요한 행정적, 기술적 지원을 제공해 준 닝보대학교 제1부속병원(인저우 인민병원) 감염내과에 진심으로 감사드립니다.

본 연구는 Ningbo Medical and Health Leading Academic Discipline Project(지원 번호 2026-A42)의 지원을 받아 수행되었습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
CiteSpaceDrexel University, Philadelphia, PA, USAversion 6.4.R1공동 저자 분석, 키워드 동시 출현 분석, 클러스터 분석 및 버스트 탐지를 포함한 종합적인 계량서지학적 분석을 수행하기 위함.
China National Knowledge Infrastructure (CNKI)China National Knowledge Infrastructure해당 없음중국 국내 소스에서 제공하는 연구 논문을 수집하기 위함.
RR softwareversion 4.3.2
Web of Science Core Collection (SCI-E)Web of Science해당 없음국제 문헌을 체계적으로 검색하고 회수하기 위함.

참고문헌

  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.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재인쇄 및 허가

더 많은 논문 탐색

중국 AMR 동향공동 저자 네트워크키워드 동시 출현클러스터 분석카바페넴 내성메티실린 내성항생제 스튜어드십
문의하기
도서관에 추천하기

개인정보 처리방침

이용 약관

정책

저작권 © 2026 MyJoVE Corporation. 모든 권리 보유.