Для просмотра этого контента требуется подписка на JoVE. Войдите или начните свой бесплатный пробный период.
Исследовательская статья
В данном библиометрическом анализе с помощью CiteSpace картируются тенденции исследований антимикробной резистентности и возникающие «горячие точки» в Китае за период 2016–2025 гг. Результаты указывают на растущее внимание к новым методам терапии и технологическим подходам, а также на контрастные тенденции резистентности MRSA и CRKP, что подчеркивает необходимость постоянного эпидемиологического надзора и целевого контроля за применением противомикробных препаратов.
Целью данной работы является систематический анализ ландшафта исследований антимикробной резистентности (AMR) в Китае за период 2016–2025 гг., выявление «горячих точек» и обнаружение новых тенденций с использованием методов библиометрической визуализации. Мы собрали 3 096 публикаций из базы данных Web of Science Core Collection (включая Science Citation Index Expanded, SCI-E) и China National Knowledge Infrastructure (CNKI). С помощью программы CiteSpace был проведен анализ сетей соавторства, картирование совместной встречаемости ключевых слов и кластерный анализ с использованием алгоритма отношения логарифмического правдоподобия (LLR). Выявление всплесков (burst detection) по алгоритму Клейнберга позволило определить передовые рубежи исследований, а показатель модулярности Q (>0,3) и метрики силуэта подтвердили структурное качество сети. Количество публикаций выросло с 357 в 2016 году до 365 в 2022 году с ускорением темпов роста после периода 2019–2022 гг. Было выявлено шесть основных исследовательских кластеров со значимой структурной валидностью (модулярность Q = 0,8108). Анализ всплесков определил мобилизуемую резистентность к колистину-1 (mcr-1, сила всплеска 9,12) и карбапенемазы (8,52) как наиболее сильные развивающиеся сигналы. Мониторинг резистентности выявил разнонаправленные тенденции: распространенность карбапенем-резистентных Klebsiella pneumoniae тревожно увеличилась с 5,6% до 20,0%, тогда как распространенность метициллин-резистентных Staphylococcus aureus снизилась с 48,8% до 25,8%. Анализ авторской сети выявил высокоцентрализованную структуру с ограниченным межрегиональным сотрудничеством. Значительный рост интереса наблюдался к новым методам терапии, включая антимикробные пептиды, фаготерапию и применение машинного обучения. В целом библиометрические паттерны свидетельствуют о том, что исследования AMR в Китае эволюционировали от описательного мониторинга к механистическим исследованиям и повышенному вниманию к инновационным методам вмешательства. Контрастное снижение уровня метициллин-резистентных Staphylococcus aureus и рост числа карбапенем-резистентных патогенов подчеркивают необходимость продолжения государственного надзора, укрепления межрегионального сотрудничества, целенаправленного контроля за использованием противомикробных препаратов и осторожного внедрения новых технологий в клиническую практику.
Антимикробная резистентность (АМР) представляет собой критическую угрозу для глобального общественного здравоохранения; Всемирная организация здравоохранения включила ее в число десяти главных угроз здоровью человечества1. Экономическое бремя АМР весьма значительно: согласно прогнозам, при сохранении текущих тенденций к 2050 году резистентные инфекции могут стать причиной 10 миллионов смертей ежегодно во всем мире2. Фундаментальные механизмы антимикробной резистентности у бактерий включают сложные генетические и фенотипические адаптации, в том числе ферментативную модификацию препаратов, изменение сайтов-мишеней, гиперэкспрессию эффлюксных насосов и образование биопленок, что в совокупности ставит под угрозу эффективность существующего терапевтического арсенала3. Недавние глобальные оценки дополнительно подчеркнули масштаб этой проблемы: в настоящее время антимикробная резистентность признана сложным экологическим феноменом, требующим скоординированных действий в области здравоохранения людей, животноводства и охраны окружающей среды4. АМР также имеет более широкие последствия для устойчивого развития, включая экологические и социально-экономические цели5. Проблема стоит особенно остро в борьбе с резистентностью при малярии, ВИЧ и туберкулезе, где штаммы с множественной лекарственной устойчивостью угрожают достижениям последних десятилетий в области контроля инфекционных заболеваний6. Исторический анализ эпидемиологии АМР в Китае выявил отличительные характеристики по сравнению с западными популяциями, включая уникальные профили генов резистентности и динамику передачи, обусловленную практикой здравоохранения и моделями потребления антибиотиков7.
Китай с его многочисленным населением и значительным потреблением антибиотиков сталкивается с особенно серьезными проблемами антибиотикорезистентности (AMR). Потребление антибиотиков на душу населения в Китае остается существенно выше, чем во многих европейских странах, что создает селективное давление, способствующее развитию резистентности8. Признавая серьезность этого кризиса, правительство Китая внедрило Национальный план действий по сдерживанию антимикробной резистентности (2016–2020, 2022–2025) и создало Китайскую систему эпидемиологического надзора за антимикробной резистентностью (CARSS) для мониторинга паттернов резистентности в масштабах всей страны9. С региональной точки зрения Юго-Восточная Азия стала критически важным «горячим узлом» для исследований и распространения AMR; библиометрический анализ показывает стремительный рост объема исследований, который повторяет траекторию Китая10. Глобальные тенденции и прогнозы свидетельствуют о том, что без решительного вмешательства бремя смертности от AMR будет непропорционально сильно затрагивать страны со средним уровнем дохода; согласно некоторым прогнозам, к середине столетия на Азиатско-Тихоокеанский регион может прийтись почти половина всех смертей, связанных с резистентностью11. Эти тревожные прогнозы стимулировали международные обязательства по контролю за использованием противомикробных препаратов, хотя во всем мире сохраняются разрывы в реализации между формулированием политики и клинической практикой12. Данные инициативы позволили собрать обширные данные по эпидемиологии резистентности, молекулярным механизмам и клиническим исходам, что стало богатым источником для библиометрического анализа. В связи с этим современные концепции «Единого здоровья» (One Health) делают акцент на скоординированных мерах в области здравоохранения людей, ветеринарии, сельского хозяйства и охраны окружающей среды, поддерживаемых программами рационального применения противомикробных препаратов и технологиями экспресс-диагностики13.
Библиометрический анализ, использующий математические и статистические методы для количественного анализа опубликованной литературы, позволяет исследователям выявлять актуальные темы исследований, отслеживать траектории их развития и прогнозировать будущие направления14. Инструменты визуализации, такие как CiteSpace, преобразуют сложные данные о цитировании в интуитивно понятные карты знаний, раскрывая скрытые закономерности в научной литературе15. В предыдущих библиометрических исследованиях были картированы тенденции в конкретных областях антимикробной резистентности (AMR), включая глобальные исследования резистентности к противогрибковым препаратам16. Однако всеобъемлющий библиометрический анализ, объединяющий исследования по AMR в Китае на китайском и английском языках, остается ограниченным. В отличие от предыдущих библиометрических анализов, сосредоточенных на конкретных областях AMR, настоящее исследование объединяет записи из китайской базы данных CNKI и англоязычной базы Web of Science, а также отдельно контекстуализирует библиометрические результаты с использованием национальных тенденций надзора CARSS. Целью данной работы является систематический библиометрический анализ исследований AMR в Китае за период 2016–2025 гг. с использованием программного обеспечения CiteSpace для построения карт знаний и разработки научно обоснованных рекомендаций по приоритетам будущих исследований и формированию политики. Такой комбинированный дизайн обеспечивает двуязычный обзор исследовательского ландшафта, позволяя интерпретировать библиометрические тенденции параллельно с национальными данными надзора за резистентностью, но независимо от них.
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Источники данных
Для обеспечения глобального охвата исследований антибиотикорезистентности (AMR), связанных с Китаем, был проведен всесторонний поиск литературы в международных и национальных базах данных. В международной литературе систематический поиск осуществлялся в Web of Science Core Collection (включая Science Citation Index Expanded, SCI-E) и в China National Knowledge Infrastructure (CNKI) за период с 1 января 2016 г. по 31 декабря 2025 г. Точный булев запрос для SCI-E: TS = ((“antimicrobial resistance” OR “antibiotic resistance” OR “drug resistance”) AND (“China” OR “Chinese” OR “Mainland China”)). Для CNKI поиск по полю Subject проводился с использованием эквивалентов терминов «antibiotic resistance», «antimicrobial resistance» и «drug resistance» на китайском языке в сочетании с термином «China». Перед анализом в CiteSpace не проводилось формального объединения синонимов ключевых слов или предварительной обработки на основе тезауруса. Окончательный поиск был выполнен 28 апреля 2026 г., чтобы публикации, вышедшие до 31 декабря 2025 г., успели быть проиндексированы в базах данных. Фильтр года публикации в базе данных был ограничен периодом 2016–2025 гг. Записи с пометкой Early Access дополнительно проверялись в ходе скрининга; статьи, дата первой онлайн-публикации которых пришлась на 2026 г., были исключены из анализа. Метки ключевых слов сверялись с исходными результатами CiteSpace для обеспечения единообразия терминологии в тексте, таблицах и на рисунках.
При поиске в CNKI было получено 983 записи из списка основных журналов Пекинского университета (PKU Core), 802 из Китайской базы цитирования научных работ (CSCD) и 462 из Всемирного индекса влияния журналов (WJCI). Поскольку одна и та же статья может быть проиндексирована в нескольких категориях, эти цифры представляют собой количество записей по конкретным категориям и не являются взаимоисключающими показателями числа публикаций. Таким образом, перед скринингом на соответствие критериям включения три набора записей были объединены. Дубликаты сначала выявлялись путем точного сопоставления DOI. Для записей без DOI сравнивались нормализованные названия статей, имена первых авторов и год публикации. Записи с неполными или противоречивыми метаданными проверялись вручную. Если одна и та же статья встречалась в двух или более категориях индексации CNKI, она сохранялась в объединенном наборе данных CNKI только в одном экземпляре, независимо от количества категорий, в которых она была проиндексирована. После удаления дубликатов внутри CNKI и проведения скрининга на соответствие критериям было отобрано 1 096 уникальных статей на китайском языке. Порог импакт-фактора журналов не применялся, так как целью данного исследования была характеристика общего ландшафта исследований AMR, а не ограничение корпуса работ в зависимости от престижности журнала. Формальная оценка методологического качества или риска систематической ошибки отдельных публикаций не проводилась, поскольку целью исследования было описание общего библиометрического ландшафта, а не оценка методологического качества на уровне отдельных работ.
Первоначально в базах SCI-E и CNKI было выявлено 5 286 записей. Впоследствии для определения потенциальных пересечений между наборами данных CNKI и Web of Science были применены те же критерии, основанные на DOI, названии, авторе и годе публикации. В ходе совместного удаления дубликатов и отбора по критериям соответствия было исключено в общей сложности 2 190 записей, в результате чего для анализа осталось 3 096 публикаций. Полный процесс поиска, скрининга и включения литературы представлен на Дополнительном рисунке 1.
Критериями включения были: исследования, посвященные антимикробной резистентности (AMR) бактерий в Китае; статьи, в которых сообщалось об уровнях резистентности, молекулярной эпидемиологии, клинических исходах или стратегиях вмешательства; а также публикации в период с 1 января 2016 года по 31 декабря 2025 года. Были исключены дубликаты записей, публикации 2026 года, обзоры или метаанализы без оригинальных наборов данных, а также исследования, ограниченные ветеринарной или экологической AMR без компонента, связанного со здоровьем человека. Обзоры и метаанализы без новых первичных наборов данных были исключены, поскольку анализ был направлен на характеристику результатов оригинальных исследований. Ограничение корпуса оригинальными исследованиями повышает сопоставимость библиометрических показателей, включая количество публикаций, структуру соавторства, частоту ключевых слов и показатели цитирования, поскольку статьи по синтезу доказательств объединяют предыдущие исследования и могут иметь существенно иные профили цитирования и ключевых слов. После удаления дубликатов из баз данных и скрининга названий и аннотаций для библиометрического анализа было отобрано в общей сложности 3 096 публикаций, включая 1 096 статей на китайском языке (35,4%) и 2000 публикаций на английском языке (64,6%).
Аналитические методы
Для библиометрического анализа использовали CiteSpace (Drexel University, Philadelphia, PA, USA)17. Временной интервал составил 2016–2025 гг. с длиной временного среза 1 год. Типы узлов выбирались отдельно для анализа авторов, учреждений и ключевых слов. Для выбора узлов использовали g-индекс при k = 10; в отображаемой конфигурации также были заданы LRF = 2.5, L/N = 10, LBY = 5 и e = 1.0. Для сетей авторов, ключевых слов и кластеров применяли прунинг по методу Pathfinder для уменьшения избыточных связей при сохранении основной структуры сети. Временной срез в 1 год был выбран для фиксации ежегодных изменений в рамках 10-летнего окна исследования.
Были использованы четыре основных аналитических модуля: анализ соавторства для картирования сетей сотрудничества между авторами и учреждениями; анализ совместного появления ключевых слов для выявления тем исследований и взаимосвязей между ними; кластерный анализ с использованием алгоритма отношения логарифмического правдоподобия (LLR) для выделения тематических кластеров с автоматической маркировкой; и обнаружение всплесков с помощью алгоритма Клейнберга для выявления новых тенденций и передовых направлений исследований. Для оценки качества кластеризации использовались сетевые метрики, включая модулярность Q и средний силуэт S. Значение модулярности Q более 0,3 указывает на значимую структуру сообществ, в то время как значение среднего силуэта более 0,7 свидетельствует о высокой согласованности внутри кластеров и надежности распределения по кластерам18.
Статистический анализ тенденций резистентности
Тенденции показателей резистентности основных патогенов были получены из ежегодных отчетов Китайской системы надзора за антимикробной резистентностью (CARSS) за 2016–2025 гг., в которых обобщены данные участвующих в мониторинге больниц по всей стране. Эти данные эпиднадзора анализировались независимо от библиометрического корпуса и не извлекались, не объединялись и не включались в число 3 096 публикаций из Web of Science и CNKI, использованных для анализа в CiteSpace.
Для каждой комбинации «патоген — противомикробный препарат» мы извлекли ежегодный уровень резистентности (процент уникальных изолятов, устойчивых к указанному агенту), общее количество протестированных изолятов (знаменатель) и количество больниц сети эпидемиологического надзора, предоставивших данные. Тестирование на чувствительность проводили с использованием стандартизированных методов микроразведений в бульоне или диско-диффузионного метода; интерпретация результатов основывалась на рекомендациях Института клинических и лабораторных стандартов (CLSI) (документы M100, издания 2016–2025 гг.).
Для оценки временных тенденций мы провели линейный регрессионный анализ, где зависимой переменной выступал уровень резистентности, а независимой — год, охватывающий весь 10-летний период (2016–2025). Для каждой пары «патоген — противомикробный препарат» были рассчитаны наклон регрессии (β) и коэффициент детерминации (R2). Чтобы учесть возможные изменения в охвате эпидемиологического надзора (например, расширение с 1 398 больниц в 2016 году до 2 349 больниц в 2025 году), мы также провели анализ чувствительности, взвешивая уровень резистентности за каждый год по обратному числу участвующих больниц и по географическому распределению отчетных центров. Эти взвешенные модели дали направления тенденций и уровни значимости, согласующиеся с результатами невзвешенного анализа; следовательно, для простоты и интерпретируемости представлены невзвешенные результаты. Все статистические анализы были выполнены с использованием R версии 4.3.2 (R Foundation for Statistical Computing, Вена, Австрия). Двустороннее значение p <0,05 считалось статистически значимым.
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
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, ...
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Библиометрические закономерности свидетельствуют о том, что исследования AMR в Китае постепенно расширились: от описательного надзора и характеристики патогенов к изучению механизмов резистентности, геномным подходам и исследованиям, ориентированным на терапевтическое вмешательство. Пересекающиеся кластеры ключевых слов и периоды всплесков указывают на кумулятивную тематическую диверсификацию, а не на три отдельные и взаимоисключающие стадии. Время этих изменений совпало с реализацией Национальных планов действий по сдер...
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Авторы заявляют, что при подготовке данной рукописи использовались инструменты генеративного искусственного интеллекта (ИИ) следующим образом: Grammarly (версия 1.2.3) использовался для стилистической правки и грамматической коррекции окончательного черновика рукописи; ChatGPT от OpenAI (GPT-4, доступ через API от 15 марта 2026 г.) использовался для помощи в очистке библиометрических данных и создания первичных скриптов на языке Python для предобработки данных; инструменты ИИ не использовались для получения научных результатов, интерпретации данных или формулирования выводов; все рисунки и таблицы были созданы непосредственно на основе выходных данных CiteSpace и R 4.3.2 без использования ИИ. Авторы проверили и подтвердили все содержимое, созданное с помощью ИИ, и несут полную ответственность за точность и целостность рукописи.
Авторы выражают искреннюю благодарность инфекционному отделению Привязанной народной больницы Нинбоского университета (Народная больница Иньчжоу) за административную и техническую поддержку, необходимую для подготовки данной рукописи.
Данное исследование было профинансировано в рамках Проекта ведущих академических дисциплин в области медицины и здравоохранения города Нинбо (грант № 2026-A42).
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
| Имя | Компания | Каталожный номер | Комментарии |
|---|---|---|---|
| CiteSpace | Drexel University, Philadelphia, PA, USA | version 6.4.R1 | Для проведения комплексного библиометрического анализа, включая анализ соавторства, анализ совместной встречаемости ключевых слов, кластерный анализ и обнаружение всплесков цитирования. |
| China National Knowledge Infrastructure (CNKI) | China National Knowledge Infrastructure | Неприменимо | Для сбора исследовательских статей из китайских внутренних источников. |
| R | R software | version 4.3.2 | |
| Web of Science Core Collection (SCI-E) | Web of Science | Неприменимо | Для систематического поиска и извлечения международной литературы. |
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.