Visuele bibliometrische analyse van onderzoekshotspots en trends in antimicrobiële resistentie in China

Samenvatting

Deze bibliometrische analyse brengt met behulp van CiteSpace de onderzoekstrends en opkomende hotspots op het gebied van antimicrobiële resistentie in China in kaart voor de periode 2016–2025. De bevindingen benadrukken de toenemende aandacht voor nieuwe therapeutica en technologie-gestuurde benaderingen, naast contrasterende resistentietrends voor MRSA en CRKP, wat de noodzaak onderstreept voor voortdurende surveillance en gericht antimicrobieel stewardship.

Samenvatting

Om het onderzoekslandschap van antimicrobiële resistentie (AMR) in China van 2016–2025 systematisch te analyseren, hotspots te identificeren en opkomende trends te detecteren met behulp van bibliometrische visualisatietechnieken, hebben we 3.096 publicaties verzameld uit de Web of Science Core Collection (inclusief Science Citation Index Expanded, SCI-E) en de China National Knowledge Infrastructure (CNKI). Met behulp van CiteSpace hebben we co-auteurschapnetwerkanalyse, keyword-co-occurrence mapping en clusteranalyse uitgevoerd met het Log-Likelihood Ratio (LLR) algoritme. Burst-detectie via het algoritme van Kleinberg identificeerde de onderzoeksfronten, terwijl modulariteit Q (>0,3) en silhouette-metrieken de structurele kwaliteit van het netwerk valideerden. Het aantal publicaties steeg van 357 in 2016 naar 365 in 2022, met een versnelde groei na de periode 2019–2022. Er ontstonden zes belangrijke onderzoekclusters met een significante structurele validiteit (modulariteit Q = 0,8108). Burst-analyse identificeerde gemobiliseerde colistine-resistentie-1 (mcr-1, burst-sterkte 9,12) en carbapenemase (8,52) als de sterkste opkomende signalen. Resistentie-surveillance onthulde uiteenlopende trends: carbapenem-resistente Klebsiella pneumoniae nam alarmerend toe van 5,6% naar 20,0%, terwijl methicilline-resistente Staphylococcus aureus afnam van 48,8% naar 25,8%. Analyse van het auteursnetwerk onthulde een sterk gecentraliseerde structuur met beperkte cross-regionale samenwerking. Nieuwe therapieën, waaronder antimicrobiële peptiden, faagtherapie en machine learning-toepassingen, vertoonden een significante opkomst. Over het algemeen suggereren de bibliometrische patronen dat AMR-onderzoek in China is geëvolueerd van beschrijvende surveillance naar mechanistisch onderzoek en toenemende aandacht voor innovatieve interventies. De contrasterende daling van methicilline-resistente Staphylococcus aureus en de stijging van carbapenem-resistente pathogenen benadrukken de noodzaak van voortdurende nationale surveillance, sterkere interregionale samenwerking, gerichte antimicrobial stewardship en een voorzichtige vertaling van opkomende technologieën naar de klinische praktijk.

Inleiding

Antimicrobiële resistentie (AMR) vormt een kritieke bedreiging voor de wereldwijde volksgezondheid, waarbij de Wereldgezondheidsorganisatie het heeft geïdentificeerd als een van de tien grootste gezondheidsbedreigingen waar de mensheid voor staat¹. De economische last van AMR is aanzienlijk; prognoses suggereren dat resistente infecties tegen 2050 jaarlijks 10 miljoen doden wereldwijd kunnen veroorzaken als de huidige trends aanhouden². De fundamentele mechanismen van antimicrobiële resistentie bij bacteriën omvatten complexe genetische en fenotypische adaptaties, waaronder enzymatische drugmodificatie, veranderingen van de targetsite, overexpressie van effluxpompen en biofilmvorming, die gezamenlijk de effectiviteit van het bestaande therapeutische arsenaal bedreigen³. Recente wereldwijde evaluaties hebben de uitgebreide omvang van deze uitdaging verder benadrukt, waarbij antimicrobiële resistentie nu wordt erkend als een complex ecologisch fenomeen dat gecoördineerde actie vereist over de sectoren menselijke gezondheid, dierlijke landbouw en milieu⁴. AMR heeft ook bredere implicaties voor duurzame ontwikkeling, inclusief milieu- en sociaaleconomische doelstellingen⁵. De uitdaging is bijzonder acuut bij de bestrijding van resistentie bij malaria, HIV en tuberculose, waarbij multidrug-resistente stammen decennia aan vooruitgang in de beheersing van infectieziekten bedreigen⁶. Historische analyses van de AMR-epidemiologie in China hebben kenmerken gedocumenteerd die verschillen van die in westerse populaties, waaronder unieke resistentiegenprofielen en transmissiedynamieken die zijn gevormd door gezondheidszorgpraktijken en antibioticagebruikspatronen⁷.

China wordt, vanwege de grote bevolking en het aanzienlijke antibioticagebruik, geconfronteerd met bijzonder ernstige uitdagingen op het gebied van AMR. Het antibioticagebruik per hoofd van de bevolking in China blijft aanzienlijk hoger dan in veel Europese landen, wat een selectieve druk creëert die de ontwikkeling van resistentie stimuleert⁸. Gezien de ernst van deze crisis heeft de Chinese overheid het Nationaal Actieplan ter Beheersing van Antimicrobiële Resistentie (2016–2020, 2022–2025) geïmplementeerd en het China Antimicrobial Resistance Surveillance System (CARSS) opgericht om resistentiepatronen landelijk te monitoren⁹. Vanuit regionaal perspectief is Zuidoost-Azië een kritiek brandpunt geworden voor AMR-onderzoek en -verspreiding, waarbij bibliometrische analyses een snel groeiende onderzoeksproductie laten zien die parallel loopt aan de koers van China¹⁰. Mondiale trends en projecties suggereren dat zonder beslissend ingrijpen de mortaliteitslast van AMR disproportioneel groot zal zijn voor landen met een middeninkomen, waarbij sommige projecties aangeven dat de Aziatisch-Pacifische regio tegen het midden van de eeuw verantwoordelijk kan zijn voor bijna de helft van alle resistentie-gerelateerde sterfgevallen¹¹. Deze ontnuchterende voorspellingen hebben geleid tot internationale verbintenissen tot antimicrobial stewardship, hoewel er wereldwijd implementatiekloven blijven bestaan tussen beleidsformulering en klinische praktijk¹². Deze initiatieven hebben uitgebreide gegevens opgeleverd over resistentie-epidemiologie, moleculaire mechanismen en klinische uitkomsten, wat een rijke bron vormt voor bibliometrische analyse. Recente One Health-kaders benadrukken daarom gecoördineerde interventies in de menselijke gezondheidszorg, diergezondheid, landbouw en milieusectors, ondersteund door antimicrobial stewardship en snelle diagnostische technologieën¹³.

Bibliometrische analyse, waarbij wiskundige en statistische methoden worden gebruikt om gepubliceerde literatuur kwantitatief te analyseren, stelt onderzoekers in staat om onderzoekshotspots te ontdekken, evolutionaire trajecten te volgen en toekomstige richtingen te voorspellen¹⁴. Visualisatietools zoals CiteSpace transformeren complexe citatiedata in intuïtieve kenniskaarten, waardoor verborgen patronen in de wetenschappelijke literatuur zichtbaar worden¹⁵. Eerdere bibliometrische studies hebben onderzoekstrends in specifieke AMR-domeinen in kaart gebracht, waaronder mondiaal onderzoek naar antischimmelresistentie¹⁶. Echter, uitgebreide bibliometrische analyses die zowel Chinees- als Engelstalig onderzoek naar AMR in China integreren, blijven beperkt. In tegenstelling tot eerdere bibliometrische analyses die zich richtten op specifieke AMR-domeinen, integreert de huidige studie records uit het Chinees-talige CNKI en het Engelstalige Web of Science en contextualiseert deze de bibliometrische bevindingen afzonderlijk aan de hand van nationale CARSS-surveillancetrends. Deze studie beoogt een systematische bibliometrische analyse te bieden van AMR-onderzoek in China van 2016–2025, waarbij CiteSpace-software wordt gebruikt om kenniskaarten te genereren en evidence-based aanbevelingen te formuleren voor toekomstige onderzoeksprioriteiten en beleidsontwikkeling. Dit gecombineerde ontwerp biedt een tweetalig overzicht van het onderzoekslandschap, terwijl bibliometrische trends kunnen worden geïnterpreteerd naast, maar onafhankelijk van, nationale data over resistentiesurveillance.

Protocol

Gegevensbronnen

Er is een uitgebreide literatuurstudie uitgevoerd in zowel internationale als nationale databanken om een wereldsekkend overzicht te krijgen van AMR-onderzoek met betrekking tot China. Voor de internationale literatuur hebben we systematisch gezocht in de Web of Science Core Collection (inclusief Science Citation Index Expanded, SCI-E) en de China National Knowledge Infrastructure (CNKI) van 1 januari 2016 tot 31 december 2025. Exacte Boolean Query voor SCI-E: TS = ((“antimicrobial resistance” OR “antibiotic resistance” OR “drug resistance”) AND (“China” OR “Chinese” OR “Mainland China”)). Voor CNKI is in het vakgebied 'Subject' gezocht met de Chinees-talige equivalenten van “antibiotic resistance”, “antimicrobial resistance” en “drug resistance”, in combinatie met “China”. Voorafgaand aan de CiteSpace-analyse is er geen formele samenvoeging van trefwoord-synoniemen of thesaurus-gebaseerde voorbewerking uitgevoerd. De definitieve zoekopdracht is uitgevoerd op 28 april 2026, om voldoende tijd te geven aan de indexering van publicaties verschenen tot en met 31 december 2025 in de databanken. Het filter voor het publicatiejaar in de databank is beperkt tot 2016–2025. Records die als Early Access waren gelabeld, zijn tijdens de screening aanvullend gecontroleerd, en artikelen met een eerste online publicatiedatum in 2026 zijn uitgesloten van de analyse. Trefwoordlabels zijn gecontroleerd aan de hand van de oorspronkelijke CiteSpace-output om een consistente terminologie in de tekst, tabellen en figuren te waarborgen.

Voor de CNKI-zoekopdracht werden 983 records opgehaald uit de Peking University Core Journals (PKU Core), 802 uit de Chinese Science Citation Database (CSCD) en 462 uit de World Journal Clout Index (WJCI). Omdat één artikel in meer dan één van deze categorieën kan zijn geïndexeerd, vertegenwoordigen deze getallen categorie-specifieke zoekresultaten en zijn dit geen wederzijds uitsluitende publicatieaantallen. De drie recordsets werden daarom samengevoegd vóór de screening op geschiktheid. Dubbele vermeldingen werden eerst geïdentificeerd via exacte DOI-matching. Voor records zonder DOI werden genormaliseerde artikeltitels vergeleken samen met de naam van de eerste auteur en het publicatiejaar. Records met onvolledige of inconsistente metadata werden handmatig beoordeeld. Wanneer hetzelfde artikel in twee of meer CNKI-indexcategorieën voorkwam, werd het slechts één keer behouden in de gecombineerde CNKI-dataset, ongeacht het aantal categorieën waarin het was geïndexeerd. Na deduplicatie binnen CNKI en screening op geschiktheid werden 1.096 unieke Chinees-talige artikelen behouden. Er is geen drempelwaarde voor de impactfactor van tijdschriften toegepast, omdat het doel van deze studie was om het algemene AMR-onderzoekslandschap te karakteriseren in plaats van het corpus te beperken op basis van het prestige van het tijdschrift. Er is geen formele beoordeling van de methodologische kwaliteit of het risico op bias van individuele publicaties uitgevoerd, omdat het doel van deze studie was om het algemene bibliometrische landschap te karakteriseren in plaats van de methodologische kwaliteit op studieniveau te evalueren.

In totaal werden aanvankelijk 5.286 records geïdentificeerd in SCI-E en CNKI. Vervolgens werden dezelfde criteria op basis van DOI, titel, auteur en jaartal toegepast om potentiële overlap tussen de CNKI- en Web of Science-datasets vast te stellen. In totaal werden 2.190 records verwijderd tijdens de gecombineerde deduplicatie en screening op geschiktheid, waardoor er 3.096 publicaties overbleven voor analyse. Het volledige proces van literatuuridentificatie, screening en inclusie wordt weergegeven in Aanvullende figuur 1.

De inclusiecriteria waren: studies die gericht waren op bacteriële AMR in China; artikelen die resistentiecijfers, moleculaire epidemiologie, klinische resultaten of interventiestrategieën rapporteerden; en publicaties tussen 1 januari 2016 en 31 december 2025. Dubbele records, publicaties uit 2026, reviews of meta-analyses zonder originele datasets, en studies die beperkt waren tot veterinair of milieu-AMR zonder een component voor de menselijke gezondheid werden uitgesloten. Reviews en meta-analyses zonder nieuwe primaire datasets werden uitgesloten omdat de analyse was ontworpen om de output van origineel onderzoek te karakteriseren. Door het corpus te beperken tot origineel onderzoek wordt de vergelijkbaarheid van bibliometrische indicatoren verbeterd, waaronder het aantal publicaties, co-auteurschapspatronen, trefwoordfrequenties en citatiegerelateerde maten, aangezien artikelen over bewijssynthese eerdere studies aggregeren en wezenlijk andere citatie- en trefwoordprofielen kunnen hebben. Na het verwijderen van duplicaten uit de databases en het screenen van titels/abstracts werden in totaal 3.096 publicaties opgenomen voor bibliometrische analyse, bestaande uit 1.096 artikelen in het Chinees (35,4%) en 2.000 publicaties in het Engels (64,6%).

Analytische methoden

CiteSpace (Drexel University, Philadelphia, PA, USA)¹⁷ werd gebruikt voor de bibliometrische analyse. De tijdsperiode was 2016–2025 met een tijdinterval van 1 jaar. Knooppunt-typen werden afzonderlijk geselecteerd voor analyses van auteurs, instellingen en trefwoorden. Voor de selectie van knooppunten werd de g-index met k = 10 gebruikt; de weergegeven configuratie maakte daarnaast gebruik van LRF = 2.5, L/N = 10, LBY = 5 en e = 1.0. Pathfinder pruning werd toegepast op de netwerken van auteurs, trefwoorden en clusters om redundante verbindingen te verminderen met behoud van de belangrijkste netwerkstructuur. Het tijdinterval van 1 jaar werd gekozen om jaarlijkse wijzigingen binnen het studievenster van 10 jaar te behouden.

Er werden vier hoofdanalysemodules gebruikt: co-auteurschapsanalyse om samenwerkingsnetwerken tussen auteurs en instellingen in kaart te brengen; trefwoord-co-occurrentieanalyse om onderzoeksthema's en hun relaties te identificeren; clusteranalyse met behulp van het Log-Likelihood Ratio (LLR)-algoritme om thematische clusters met automatische etikettering te extraheren; en burst-detectie met behulp van het algoritme van Kleinberg om opkomende trends en onderzoeksfronten te identificeren. Netwerkmetrieken, waaronder modulariteit Q en het gemiddelde silhouet S, werden gebruikt om de clusterkwaliteit te evalueren. Een modulariteitswaarde Q van meer dan 0,3 duidt op een betekenisvolle gemeenschapsstructuur, terwijl een gemiddelde silhouetwaarde van meer dan 0,7 duidt op een hoge consistentie binnen het cluster en een betrouwbare clustertoewijzing¹⁸.

Statistische analyse van resistentietrends

Trends in de resistentiegraad voor belangrijke pathogenen werden afgeleid uit de jaarverslagen (2016–2025) van het China Antimicrobial Resistance Surveillance System (CARSS), waarin gegevens van deelnemende sentinel-ziekenhuizen in het hele land worden samengevoegd. Deze surveillancedata werden onafhankelijk van het bibliometrische corpus geanalyseerd en werden niet geëxtraheerd uit, samengevoegd met of opgenomen in de 3.096 Web of Science- en CNKI-publicaties die werden gebruikt voor de CiteSpace-analyses.

Voor elke combinatie van pathogeen en antimicrobiële stof hebben we de jaarlijkse resistentiegraad (percentage niet-duplicaten van isolaten die resistent waren tegen het gespecificeerde middel), het totale aantal geteste isolaten (noemer) en het aantal sentinel-ziekenhuizen dat gegevens heeft aangeleverd, geëxtraheerd. De gevoeligheidstests werden uitgevoerd met gestandaardiseerde broth microdilution- of disk diffusion-methoden, waarbij de interpretaties waren gebaseerd op de richtlijnen van het Clinical and Laboratory Standards Institute (CLSI) (M100-documenten, edities 2016–2025).

Om temporele trends te beoordelen, hebben we een lineaire regressieanalyse uitgevoerd met de resistentiegraad als afhankelijke variabele en het jaar als onafhankelijke variabele, over de volledige periode van 10 jaar (2016–2025). De regressiehelling (β) en de determinatiecoëfficiënt (R²) werden berekend voor elk pathogeen-antimicrobieel paar. Om rekening te houden met mogelijke veranderingen in de surveillancedekking (bijv. de uitbreiding van 1.398 ziekenhuizen in 2016 naar 2.349 ziekenhuizen in 2025), hebben we ook sensitiviteitsanalyses uitgevoerd waarbij de resistentiegraad van elk jaar werd gewogen naar de inverse van het aantal deelnemende ziekenhuizen en naar de geografische distributie van de rapportagecentra. Deze gewogen modellen gaven trendrichtingen en significantieniveaus die consistent waren met de ongewogen analyses; daarom worden de ongewogen resultaten gepresenteerd voor de eenvoud en interpreteerbaarheid. Alle statistische analyses werden uitgevoerd met R versie 4.3.2 (R Foundation for Statistical Computing, Wenen, Oostenrijk). Een tweezijdige p-waarde <0,05 werd beschouwd als statistisch significant.

Resultaten

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, ...

Discussie

De bibliometrische patronen suggereren dat het AMR-onderzoek in China geleidelijk is verbreed van beschrijvende surveillance en pathogeenkarakterisering naar resistentiemechanismen, genomische benaderingen en interventiegericht onderzoek. De overlappende trefwoordclusters en burst-perioden duiden op een cumulatieve thematische diversificatie in plaats van drie afzonderlijke en wederzijds exclusieve fasen. De timing van deze veranderingen viel samen met de Nationale Actieplannen voor de Beheersing van Antimicrobiële Resis...

Materialen

Lijst van materialen gebruikt in dit artikel

Naam	Bedrijf	Catalogusnummer	Opmerkingen
CiteSpace	Drexel University, Philadelphia, PA, USA	versie 6.4.R1	Voor het uitvoeren van uitgebreide bibliometrische analyses, waaronder co-auteurschapanalyse, keyword-co-occurrentieanalyse, clusteranalyse en burst-detectie.
China National Knowledge Infrastructure (CNKI)	China National Knowledge Infrastructure	Niet van toepassing	Voor het samenstellen van onderzoeksartikelen verstrekt door Chinese binnenlandse bronnen.
R	R software	versie 4.3.2
Web of Science Core Collection (SCI-E)	Web of Science	Niet van toepassing	Voor het systematisch zoeken naar en ophalen van internationale literatuur.