Çin'deki Antimikrobiyal Direnç Araştırmalarının Sıcak Noktalarının ve Eğilimlerinin Görsel Bibliyometrik Analizi

Özet

Bu bibliyometrik analiz, CiteSpace kullanarak 2016–2025 yılları arasında Çin'deki antimikrobiyal direnç araştırma trendlerini ve yeni ortaya çıkan sıcak noktaları haritalandırmaktadır. Bulgular, MRSA ve CRKP direnç trendlerindeki karşıtlıkların yanı sıra, yeni terapötiklere ve teknoloji destekli yaklaşımlara yönelik artan ilgiyi vurgulamakta; sürekli sürveyans ve hedefli antimikrobiyal yönetim ihtiyacının altını çizmektedir.

Özet

2016–2025 yılları arasında Çin'deki antimikrobiyal direnç (AMR) araştırma manzarasını sistematik olarak analiz etmek, sıcak noktaları belirlemek ve bibliyometrik görselleştirme tekniklerini kullanarak yükselen trendleri tespit etmek amaçlanmıştır. Web of Science Core Collection (Science Citation Index Expanded, SCI-E dahil) ve China National Knowledge Infrastructure (CNKI) üzerinden 3.096 yayın derlenmiştir. CiteSpace kullanılarak ortak yazarlık ağ analizi, anahtar kelime eş-oluşum haritalaması ve Log-Likelihood Ratio (LLR) algoritması kullanılarak küme analizi gerçekleştirilmiştir. Kleinberg algoritması aracılığıyla yapılan patlama (burst) tespiti araştırma sınırlarını belirlerken, modülerlik Q (>0.3) ve silüet metrikleri ağ yapısal kalitesini doğrulamıştır. Yayın sayısı 2016'da 357 iken 2022'de 365'e yükselmiş ve 2019–2022 dönemini takiben büyüme hızlanmıştır. Önemli yapısal geçerliliğe sahip altı ana araştırma kümesi ortaya çıkmıştır (modülerlik Q = 0.8108). Patlama analizi, mobilize kolistin direnci-1 (mcr-1, patlama şiddeti 9.12) ve karbapenemazın (8.52) en güçlü yükselen sinyaller olduğunu belirlemiştir. Direnç sürveyansı farklı trendler ortaya koymuştur: karbapenem-dirençli Klebsiella pneumoniae oranı %5,6'dan %20,0'ye endişe verici şekilde artarken, metisilin-dirençli Staphylococcus aureus oranı %48,8'den %25,8'ye gerilemiştir. Yazar ağı analizi, sınırlı bölgeler arası iş birliğine sahip oldukça merkezi bir yapı ortaya çıkarmıştır. Antimikrobiyal peptitler, faj tedavisi ve makine öğrenimi uygulamaları dahil olmak üzere yeni terapötikler belirgin bir yükseliş göstermiştir. Genel olarak, bibliyometrik paternler, Çin'deki AMR araştırmalarının tanımlayıcı sürveyanstan mekanistik incelemelere ve yenilikçi müdahalelere yönelik artan ilgiye doğru evrildiğini göstermektedir. Metisilin-dirençli Staphylococcus aureus miktarındaki düşüş ile karbapenem-dirençli patojenlerdeki artış arasındaki karşıtlık; sürekli ulusal sürveyansın, daha güçlü bölgeler arası iş birliğinin, hedeflenmiş antimikrobiyal yönetiminin ve yükselen teknolojilerin klinik uygulamaya ihtiyatlı bir şekilde aktarılmasının gerekliliğini vurgulamaktadır.

Giriş

Antimikrobiyal direnç (AMR), küresel halk sağlığı için kritik bir tehdit oluşturmakta olup Dünya Sağlık Örgütü tarafından insanlığın karşı karşıya olduğu ilk on sağlık tehdidinden biri olarak tanımlanmıştır¹. AMR'nin ekonomik yükü oldukça fazladır ve mevcut eğilimler devam ederse, 2050 yılına kadar dirençli enfeksiyonların dünya çapında yılda 10 milyon ölüme yol açabileceği öngörülmektedir². Bakterilerdeki antimikrobiyal direncin temel mekanizmaları; enzimatik ilaç modifikasyonu, hedef bölge değişiklikleri, eflluks pompası aşırı ekspresyonu ve biyofilm oluşumu dahil olmak üzere karmaşık genetik ve fenotipik adaptasyonları içerir ve bunlar toplu olarak mevcut terapötik cephaneliğin etkinliğini tehdit eder³. Yakın zamandaki küresel değerlendirmeler, bu zorluğun geniş kapsamını daha da vurgulamış ve antimikrobiyal direnç, artık insan sağlığı, hayvan tarımı ve çevre sektörleri arasında koordineli eylem gerektiren karmaşık bir ekolojik fenomen olarak kabul edilmiştir⁴. AMR ayrıca, çevresel ve sosyoekonomik hedefler dahil olmak üzere sürdürülebilir kalkınma üzerinde daha geniş etkiler yaratmaktadır⁵. Bu zorluk, çoklu ilaç dirençli suşların enfeksiyöz hastalık kontrolündeki onlarca yıllık ilerlemeyi tehdit ettiği sıtma, HIV ve tüberkülozdaki dirençle mücadelede özellikle kritiktir⁶. Çin'deki AMR epidemiyolojisinin tarihsel analizleri, sağlık hizmeti uygulamaları ve antibiyotik tüketim modelleri tarafından şekillendirilen benzersiz direnç geni profilleri ve transmisyon dinamikleri dahil olmak üzere, Batılı popülasyonlara kıyasla belirgin özellikler belgelemiştir⁷.

Geniş nüfusu ve yüksek antibiyotik tüketimiyle Çin, özellikle ciddi AMR zorluklarıyla karşı karşıyadır. Çin'deki kişi başına düşen antibiyotik kullanımı birçok Avrupa ülkesine göre önemli ölçüde daha yüksek seyretmekte ve bu durum direnç gelişimini tetikleyen bir seçici baskı oluşturmaktadır⁸. Bu krizin ciddiyetini fark eden Çin hükümeti, Antimikrobiyal Direnci Sınırlandırmaya Yönelik Ulusal Eylem Planı'nı (2016–2020, 2022–2025) uygulamaya koymuş ve direnç paternlerini ülke genelinde izlemek için Çin Antimikrobiyal Direnç Sürveyans Sistemi'ni (CARSS) kurmuştur⁹. Bölgesel bir bakış açısıyla Güneydoğu Asya, bibliyometrik analizlerin Çin'in gidişatına paralel olarak hızla artan bir araştırma çıktısını ortaya koymasıyla, AMR araştırmaları ve yayılımı için kritik bir sıcak nokta haline gelmiştir¹⁰. Küresel eğilimler ve öngörüler, kararlı bir müdahale olmadığı takdirde AMR'nin neden olduğu mortalite yükünün orta gelirli ülkeleri orantısız şekilde etkileyeceğini ve bazı projeksiyonların Asya-Pasifik bölgesinin yüzyılın ortasına kadar dirençle ilişkili tüm ölümlerin neredeyse yarısını oluşturabileceğini göstermektedir¹¹. Bu düşündürücü öngörüler, dünya genelinde politika oluşturma ile klinik uygulama arasındaki uygulama boşlukları devam etse de, antimikrobiyal yönetim konusundaki uluslararası taahhütleri hızlandırmıştır¹². Bu girişimler direnç epidemiyolojisi, moleküler mekanizmalar ve klinik sonuçlar hakkında kapsamlı veriler üreterek bibliyometrik analizler için zengin bir kaynak sağlamıştır. Bu nedenle, güncel Tek Sağlık çerçeveleri; antimikrobiyal yönetim ve hızlı tanı teknolojileri ile desteklenen, insan sağlığı, hayvan sağlığı, tarım ve çevre sektörleri arasında koordineli müdahaleleri vurgulamaktadır¹³.

Yayımlanmış literatürü nicel olarak analiz etmek için matematiksel ve istatistiksel yöntemler kullanan bibliyometrik analiz, araştırmacıların araştırma odak noktalarını ortaya çıkarmasına, evrimsel yörüngeleri izlemesine ve gelecekteki yönleri öngörmesine olanak tanır¹⁴. CiteSpace gibi görselleştirme araçları, karmaşık atıf verilerini sezgisel bilgi haritalarına dönüştürerek bilimsel literatürdeki gizli kalıpları açığa çıkarır¹⁵. Önceki bibliyometrik çalışmalar, küresel antifungal direnç araştırmaları da dahil olmak üzere belirli AMR alanlarındaki araştırma trendlerini haritalandırmıştır¹⁶. Ancak, Çin'deki AMR üzerine Çince ve İngilizce dillerindeki araştırmaları entegre eden kapsamlı bibliyometrik analizler hala sınırlıdır. Belirli AMR alanlarına odaklanan önceki bibliyometrik analizlerin aksine, mevcut çalışma Çince CNKI ve İngilizce Web of Science kayıtlarını entegre etmekte ve bibliyometrik bulguları ulusal CARSS sürveyans trendlerini kullanarak ayrı ayrı bağlamlandırmaktadır. Bu çalışma, 2016–2025 yılları arasındaki Çin'deki AMR araştırmalarının sistematik bir bibliyometrik analizini sunmayı, bilgi haritaları oluşturmak için CiteSpace yazılımını kullanmayı ve gelecekteki araştırma öncelikleri ile politika geliştirme için kanıta dayalı öneriler sağlamayı amaçlamaktadır. Bu birleşik tasarım, bibliyometrik trendlerin ulusal direnç sürveyans verileriyle birlikte ancak ondan bağımsız olarak yorumlanmasına izin verirken, araştırma ortamının iki dilli bir görünümünü sunmaktadır.

Protokol

Veri kaynakları

Çin ile ilgili AMR araştırmalarının küresel kapsamını sağlamak amacıyla, hem uluslararası hem de yerel veri tabanlarında kapsamlı bir literatür taraması yapılmıştır. Uluslararası literatür için, 1 Ocak 2016 ile 31 Aralık 2025 tarihleri arasında Web of Science Core Collection (Science Citation Index Expanded, SCI-E dahil) ve China National Knowledge Infrastructure (CNKI) sistematik olarak taranmıştır. SCI-E için kullanılan kesin Boolean Sorgusu şöyledir: TS = ((“antimicrobial resistance” OR “antibiotic resistance” OR “drug resistance”) AND (“China” OR “Chinese” OR “Mainland China”)). CNKI'da ise Konu alanı, “antibiotic resistance,” “antimicrobial resistance” ve “drug resistance” terimlerinin Çince karşılıkları kullanılarak “China” terimi ile birlikte taranmıştır. CiteSpace analizi öncesinde resmi bir anahtar kelime-eş anlamlı birleştirme veya tesaurus tabanlı ön işlemleme yapılmamıştır. 31 Aralık 2025 tarihine kadar yayınlanan çalışmaların veri tabanlarında indekslenmesi için yeterli süre tanınmış ve son arama 28 Nisan 2026 tarihinde gerçekleştirilmiştir. Veri tabanı yayın yılı filtresi 2016–2025 yılları ile sınırlandırılmıştır. Tarama sırasında Early Access olarak etiketlenen kayıtlar ayrıca kontrol edilmiş ve ilk çevrimiçi yayın tarihi 2026 olan makaleler analiz dışı tutulmuştur. Metin, tablolar ve şekillerde terminolojik tutarlılığı sağlamak amacıyla anahtar kelime etiketleri, orijinal CiteSpace çıktıları ile karşılaştırılarak kontrol edilmiştir.

CNKI araması için Pekin Üniversitesi Çekirdek Dergileri'nden (PKU Core) 983, Çin Bilim Atıf Veritabanı'ndan (CSCD) 802 ve Dünya Dergi Etki İndeksi'nden (WJCI) 462 kayıt elde edilmiştir. Tek bir makale bu kategorilerin birden fazlasında indekslenmiş olabileceğinden, bu sayılar kategoriye özgü erişim kayıtlarını temsil etmekte olup birbirini dışlayan yayın sayıları değildir. Bu nedenle, uygunluk taraması öncesinde üç kayıt seti birleştirilmiştir. Mükerrer kayıtlar öncelikle kesin DOI eşleşmesiyle belirlenmiştir. DOI'si olmayan kayıtlar için normalize edilmiş makale başlıkları, birinci yazar adı ve yayın yılı ile birlikte karşılaştırılmıştır. Eksik veya tutarsız meta verilere sahip kayıtlar manuel olarak incelenmiştir. Aynı makale iki veya daha fazla CNKI indeksleme kategorisinde göründüğünde, indekslendiği kategori sayısından bağımsız olarak, birleştirilmiş CNKI veri setinde yalnızca bir kez tutulmuştur. CNKI içi mükerrer kayıtların temizlenmesi ve uygunluk taramasının ardından, 1.096 benzersiz Çince makale seçilmiştir. Bu çalışmanın amacı, korpüsü dergi prestijine göre sınırlamaktan ziyade genel AMR araştırma manzarasını tanımlamak olduğundan, herhangi bir dergi etki faktörü eşiği uygulanmamıştır. Çalışmanın amacı, çalışma düzeyindeki metodolojik kaliteyi değerlendirmekten ziyade genel bibliyometrik manzarayı tanımlamak olduğu için, bireysel yayınların resmi metodolojik kalite veya yanlılık riski değerlendirmesi yapılmamıştır.

SCI-E ve CNKI genelinde başlangıçta 5.286 kayıt belirlenmiştir. CNKI ve Web of Science veri setleri arasındaki potansiyel örtüşmeleri belirlemek için ardından aynı DOI, başlık, yazar ve yıl tabanlı kriterler uygulanmıştır. Birleşik mükerrer kayıtların temizlenmesi ve uygunluk taraması sırasında toplam 2.190 kayıt çıkarılmış ve analiz için 3.096 yayın kalmıştır. Literatür belirleme, tarama ve dahil etme sürecinin tamamı Ek Şekil 1'de sunulmuştur.

Dahil edilme kriterleri şunlardı: Çin'deki bakteriyel AMR üzerine odaklanan çalışmalar; direnç oranlarını, moleküler epidemiyolojiyi, klinik sonuçları veya müdahale stratejilerini bildiren makaleler ve 1 Ocak 2016 ile 31 Aralık 2025 tarihleri arasındaki yayınlar. Mükerrer kayıtlar, 2026 yayınları, orijinal veri setleri olmayan derlemeler veya meta-analizler ile insan sağlığı bileşeni olmaksızın yalnızca veterinerlik veya çevresel AMR ile sınırlı çalışmalar hariç tutuldu. Yeni birincil veri setleri içermeyen derlemeler ve meta-analizler, analizin orijinal araştırma çıktılarını karakterize etmek üzere tasarlanmış olması nedeniyle hariç tutulmuştur. Korpusun orijinal araştırmalarla sınırlandırılması; yayın sayıları, ortak yazarlık modelleri, anahtar kelime frekansları ve atıf ilgili ölçümler dahil olmak üzere bibliyometrik göstergelerin karşılaştırılabilirliğini artırır; çünkü kanıt sentezi makaleleri önceki çalışmaları bir araya getirir ve önemli ölçüde farklı atıf ve anahtar kelime profillerine sahip olabilir. Veritabanları arasındaki mükerrer kayıtlar kaldırılıp başlıklar/özetler tarandıktan sonra, bibliyometrik analiz için toplam 3.096 yayın dahil edildi; bunlar 1.096 Çince makale (%35,4) ve 2.000 İngilizce yayından (%64,6) oluşmaktadır.

Analitik yöntemler

Bibliyometrik analiz için CiteSpace (Drexel University, Philadelphia, PA, USA)¹⁷ kullanıldı. Zaman aralığı 1 yıllık dilim uzunluğu ile 2016–2025 olarak belirlendi. Yazar, kurum ve anahtar kelime analizleri için düğüm türleri ayrı ayrı seçildi. Düğüm seçimi k = 10 ile g-indeksi kullanılarak yapıldı; görüntülenen konfigürasyonda ayrıca LRF = 2.5, L/N = 10, LBY = 5 ve e = 1.0 kullanıldı. Temel ağ yapısını korurken gereksiz bağlantıları azaltmak amacıyla yazar, anahtar kelime ve küme ağlarına Pathfinder budaması uygulandı. 10 yıllık çalışma penceresi içindeki yıllık değişimleri korumak için 1 yıllık zaman dilimi seçildi.

Dört ana analitik modül kullanılmıştır: yazarlar ve kurumlar arasındaki iş birliği ağlarını haritalamak için ortak yazarlık analizi; araştırma temalarını ve bunlar arasındaki ilişkileri belirlemek için anahtar kelime birlikte görülme analizi; otomatik etiketleme ile tematik kümeleri çıkarmak için Log-Likelihood Ratio (LLR) algoritması kullanılarak yapılan kümeleme analizi ve gelişen trendler ile araştırma sınırlarını belirlemek için Kleinberg algoritması kullanılarak yapılan patlama tespiti. Küme kalitesini değerlendirmek için modülerlik Q ve ortalama silüet S dahil olmak üzere ağ metrikleri kullanılmıştır. 0,3'ten büyük bir modülerlik Q değeri anlamlı bir topluluk yapısına işaret ederken, 0,7'den büyük bir ortalama silüet değeri yüksek küme içi tutarlılığa ve güvenilir küme atamasına işaret eder¹⁸.

Direnç trendlerinin istatistiksel analizi

Başlıca patojenler için direnç oranı eğilimleri, ülke genelindeki katılımcı sentinel hastanelerden gelen verileri birleştiren Çin Antimikrobiyal Direnç Sürveyans Sistemi (CARSS) yıllık raporlarından (2016–2025) elde edilmiştir. Bu sürveyans verileri, bibliyometrik korpustan bağımsız olarak analiz edilmiş olup CiteSpace analizleri için kullanılan 3.096 Web of Science ve CNKI yayınıyla ilişkilendirilmemiş, bunlardan çıkarılmamış veya bu yayınlar arasına dahil edilmemiştir.

Her bir patojen–antimikrobiyal kombinasyonu için yıllık direnç oranı (belirtilen ajana dirençli olan tekrarlanmamış izolatların yüzdesi), test edilen toplam izolat sayısı (payda) ve veri sağlayan sentinel hastane sayısı çıkarılmıştır. Duyarlılık testleri, standartlaştırılmış sıvı mikrodilüsyon veya disk difüzyon yöntemleri kullanılarak gerçekleştirilmiş ve değerlendirmeler Klinik ve Laboratuvar Standartları Enstitüsü (CLSI) kılavuzlarına (M100 belgeleri, 2016–2025 baskıları) göre yapılmıştır.

Zamansal eğilimleri değerlendirmek için, bağımlı değişken olarak direnç oranı ve bağımsız değişken olarak yıl seçilerek, 10 yıllık dönemi (2016–2025) kapsayan doğrusal regresyon analizi gerçekleştirdik. Her bir patojen-antimikrobiyal çifti için regresyon eğimi (β) ve belirtme katsayısı (R²) hesaplandı. Gözetim kapsamındaki potansiyel değişiklikleri (örneğin, 2016'daki 1.398 hastaneden 2025'teki 2.349 hastaneye genişleme) hesaba katmak için, her yılın direnç oranını katılan hastane sayısının tersiyle ve raporlayan merkezlerin coğrafi dağılımıyla ağırlıklandırarak duyarlılık analizleri de yaptık. Bu ağırlıklandırılmış modeller, ağırlıklandırılmamış analizlerle tutarlı eğilim yönleri ve anlamlılık düzeyleri verdi; bu nedenle, basitlik ve yorumlanabilirlik açısından ağırlıklandırılmamış sonuçlar sunulmuştur. Tüm istatistiksel analizler R versiyon 4.3.2 (R Foundation for Statistical Computing, Viyana, Avusturya) kullanılarak gerçekleştirildi. İki yönlü p-değeri <0.05 istatistiksel olarak anlamlı kabul edildi.

Sonuçlar

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.

Tartışma

Bibliyometrik örüntüler, Çin'deki AMR araştırmalarının betimleyici sürveyanstan ve patojen karakterizasyonundan; direnç mekanizmaları, genomik yaklaşımlar ve müdahale odaklı araştırmalara doğru kademeli olarak genişlediğini göstermektedir. Örtüşen anahtar kelime kümeleri ve patlama dönemleri, üç ayrı ve birbirini dışlayan aşamadan ziyade kümülatif bir tematik çeşitliliğe işaret etmektedir. Bu değişimlerin zamanlaması, ilgili politika bağlamını sağlayan 2016–2020 ve 2022–2025 yılları için hazırlanan Antimikrobiyal Direnci Sınırlamaya Yönelik Ulusal Eylem Planları ile örtüşmektedir; ancak mevcut bibliyometrik analiz, politika yayınlarının yayın temalarında gözlemlenen değişikliklere neden olduğunu kanıtlayamaz. Yayınlardaki artış, hem AMR krizinin artan (2019–2021) şiddetini hem de bu zorluğun üstesinden gelmeye yönelik artan hükümet ve kurum taahhütlerini yansıtmaktadır. Buna göre, önerilen araştırma temaları evrimi betimleyici olarak yorumlanmalı ve dönüm noktası makale veya aşamaya özgü yüksek atıflı makale analizi kullanılarak bağımsız olarak doğrulanmamıştır. Küresel bağlama yerleştirildiğinde, Çin'in araştırma çıktısı yörüngesi, artan direnç yüklerine yanıt olarak AMR yayın hacminin üstel olarak genişlediği gelişmekte olan ekonomiler genelinde gözlemlenen daha geniş örüntülerle uyumludur²¹.

2022'deki zirveden sonra yayın çıktısındaki düşüş, Antimikrobiyal Direnci Sınırlamaya Yönelik ikinci Ulusal Eylem Planı'nın (2022–2025) uygulama dönemiyle örtüşürken; daha önceki genişleme ise ilk eylem planını (2016–2020) takip etmiştir. Bu zamansal uygunluk, AMR araştırma faaliyetlerindeki basit bir azalmadan ziyade, birbirini izleyen politika aşamaları boyunca araştırma önceliklerindeki, finansman tahsisindeki ve yayın modellerindeki değişiklikleri yansıtıyor olabilir. Bununla birlikte, yayın ve indeksleme gecikmeleri, veri tabanı kapsamı ve çalışma uygunluk kriterleri, özellikle sonraki yıllarda görülen bu belirgin düşüşe katkıda bulunmuş olabilir. Bu nedenle, mevcut bibliyometrik analiz, ulusal eylem planı ile yayın çıktısı arasında nedensel bir ilişki kuramamaktadır.

İş birlikçi ağ analizi; Wang Juan, Yue, Min ve Zhejiang University'nin bölgesel araştırma merkezlerini birbirine bağlayan kritik merkezler olarak görev yaptığı, oldukça merkezi bir yapıyı ortaya koymaktadır. Bununla birlikte, sınırlı bölgeler arası iş birliği (ağ yoğunluğu = 0.0137), düşük iş birliği ağı yoğunluğunun araştırma grupları arasındaki bağlantı sınırlılığını gösterdiğine işaret etmektedir; ancak resmi bir Doğu/Orta/Batı bölgesel yayın analizi gerçekleştirilmemiştir. Uygulanabilir bir bölgeler arası iş birliği çerçevesi; CARSS'ı ulusal sürveyans ve veri koordinasyon omurgası, bölgesel tıbbi konsorsiyumları örnek toplama, duyarlılık testi prosedürleri ve çok merkezli klinik validasyonun uyumlaştırılması için birimler ve üniversite araştırma platformlarını ise genomik sekanslama, biyoinformatik ve metodolojik geliştirme merkezleri olarak kullanabilir. Ortak veri sözlükleri, kimliksizleştirilmiş birlikte çalışabilir veri setleri, düzenli bölgeler arası kıyaslamalar ve ortak erken uyarı projeleri, sürveyans sinyallerinin araştırma önceliklerine ve yerel olarak uyarlanmış yönetim eylemlerine dönüştürülmesine yardımcı olabilir. Önerilen bu çerçeve, mevcut çalışmada doğrudan değerlendirilen bir müdahaleden ziyade, ağ bulgularından türetilmiş bir uygulama yolunu temsil etmektedir.

Bu çalışmada tespit edilen farklı direnç trendleri derin klinik anlamlar taşımaktadır. MRSA oranlarındaki belirgin düşüş (48,8%→25,8%; yılda β = –2,43%, p < 0,001); zorunlu sürveyans, el hijyeni kampanyaları ve antimikrobiyal yönetim dahil olmak üzere koordineli ulusal müdahalelerin, dirençli patojenlerle etkili bir şekilde mücadele edebileceğini göstermektedir²².

Farklı seyreden yörüngeler, muhtemelen patojenler arasındaki antimikrobiyal seçilim baskısı, direnç mekanizmaları, ekolojik kalıcılık, bulaşma dinamikleri ve enfeksiyon kontrol önlemlerine verilen yanıt farklılıklarını yansıtmaktadır. MRSA'daki azalma, sürveyans ve enfeksiyon kontrol programlarının daha geniş kapsamlı uygulanmasıyla ilişkili olabilir; buna karşın CRKP ve CRAB arasındaki artan veya sürekli yüksek seyreden direnç, karbapenem direnç belirleyicilerinin yayılmaya devam etmesini ve çok ilaçlı dirençli Gram-negatif organizmaların kontrol edilmesindeki zorluğu yansıtabilir. CRPA'daki hafif düşüş, direnç eğilimlerinin tüm karbapenem dirençli patojenler için genelleştirilemeyeceğini göstermektedir. Benzer şekilde, VRE'deki nispeten düşük bir baz çizgiden itibaren gerçekleşen artış, sürekli izleme gerektirmektedir. Bu faktörler doğrudan ölçülmediği için, kanıtlanmış nedensel mekanizmalardan ziyade makul yorumlar olarak değerlendirilmelidir.

Burst analizi ile uyumlu olarak, mcr-1 ve karbapenemaz, mobil kolistin direnci ve karbapenem dirençli organizmalara yönelik süregelen ilgiyi yansıtacak şekilde öne çıkan araştırma konuları olmaya devam etmiştir. Antimikrobiyal peptitlerin ve faj terapisinin ortaya çıkışı, konvansiyonel antibiyotiklere alternatiflere yönelik artan ilgiyi gösterirken; tüm genom dizileme, makine öğrenimi ve CRISPR ise genomik sürveyans, direnç öngörüsü ve gene yönelik yaklaşımlara verilen artan önemi yansıtmaktadır. Güncel çalışmalar; yapay zekanın AMR sürveyansı, direnç belirteçlerinin tanımlanması, biyofilm analizi, tanı yöntemleri ve antimikrobiyal keşif alanlarındaki potansiyel uygulamalarını daha da vurgulamıştır^12,23,24,25.

Ancak, bu terimlerin araştırma sınırları olarak tespit edilmesi, klinik hazırlığa işaret etmez. Makine öğrenimi modelleri; standartlaştırılmış çok merkezli veri setleri, harici ve prospektif doğrulama, model yorumlanabilirliği ve laboratuvar ile klinik iş akışlarıyla entegrasyon gerektirir. Faj tedavisi; suş spesifitesi, üretim tutarlılığı, kalite kontrolü, direnç gelişimi ve düzenleyici standartlaştırma ile ilgili zorluklarla karşı karşıyayken, CRISPR tabanlı antibakteriyel stratejiler iletim verimliliği, hedef dışı etkiler, biyogüvenlik ve kontrol gereksinimleri nedeniyle sınırlı kalmaya devam etmektedir. Uluslararası araştırmalar giderek daha fazla çok merkezli doğrulamayı, standartlaştırılmış üretimi ve düzenleyici yolları vurgulamaktadır; Çin'de yürütülen araştırmaların translasyonel olgunluğu değerlendirilirken bu boyutlar da göz önünde bulundurulmalıdır. Mevcut çalışma, yurt içi ve uluslararası klinik gelişim aşamalarını nicel olarak karşılaştırmadığı için, bu yorum nitel kalmaktadır.

Çeşitli klinik popülasyonlarda ve enfeksiyon ortamlarında yürütülen çalışmalar, patojen dağılımı ve antimikrobiyal direnç profillerinde önemli farklılıklar olduğunu göstermektedir^{26,27,28,29,30,31,32,33,34,35,36,37,38}. Topluca bakıldığında bu raporlar, direnç paternlerinin hasta özelliklerinden, enfeksiyon bölgelerinden, antimikrobiyal maruziyetten ve yerel epidemiyolojiden etkilendiğini belirtmektedir. Karbapenem dirençli Gram-negatif patojenler birçok ortamda tekrarlayan bir sorun olmaya devam ederken, ampirik tedavi yerel sürveyans ve standart duyarlılık testleri tarafından yönlendirilmelidir. Kombinasyon tedavisi, β-laktam/β-laktamaz inhibitörü kombinasyonları, tetrasiklin türevleri ve diğer alternatif tedavilere ilişkin kanıtlar da anahtar kelime ve burst analizleri ile belirlenen terapötik temalar için klinik bir bağlam sağlamaktadır^30,39.

Anahtar kelime ve küme bulgularıyla uyumlu olarak, biyofilm oluşumu, antimikrobiyal toleransa ve terapötik başarısızlığa katkıda bulunan önemli bir fenotipik mekanizma olmayı sürdürmektedir. Cutibacterium acnes çalışmaları, yapılandırılmış mikrobiyal toplulukların fiziksel bariyerler ve değişmiş mikroortamlar aracılığıyla toleransı nasıl artırabildiğini örneklendirmektedir⁴⁰. Kodlamayan RNA'lar da Acinetobacter baumannii'de direnç geni ekspresyonunun potansiyel düzenleyicileri olarak ortaya çıkmıştır⁴¹. Buna paralel olarak, yeni nesil β-laktamaz inhibitörleri, tetrasiklin türevleri ve kombinasyon rejimleri, karbapenem dirençli organizmalar için terapötik seçeneklere yönelik araştırmaları genişletmiştir⁴². Ulusal sürveyans verilerinde bildirilen Klebsiella pneumoniae ve Acinetobacter baumannii'nin kalıcı yüksek düzeydeki direnci göz önüne alındığında, bu gelişmeler klinik olarak güncelliğini korumaktadır⁴³.

Sağlık çalışanlarının antimikrobiyal direnç hakkındaki bakış açıları, özellikle kronik solunum yolu hastalıkları gibi özel bağlamlarda, yönetim başarısında insan davranış faktörlerinin kritik önemini vurgulamaktadır⁴⁴. Ayrıca, klinik antimikrobiyal dirençle ilişkili faktörlerin ülke çapındaki analizleri, antibiyotik tüketim yoğunluğunu temel bir etken olarak belirlemiş; karbapenemlerin ve üçüncü kuşak sefalosporinlerin artan kullanımının, Pseudomonas aeruginosa ve diğer Gram-negatif patojenlerdeki artan dirençle doğrudan ilişkili olduğunu doğrulamıştır⁴⁵.

Bazı kısıtlamalar kabul edilmelidir. İlk olarak, veri tabanı kapsamındaki farklılıklar, indeksleme uygulamaları, alan yapıları ile Çince ve İngilizce terminolojideki farklılıklar, geri çağırma yanlılığına yol açmış olabilir ve anlamsal olarak eşdeğer kayıtların tam olarak eşleştirilmesini engellemiş olabilir. Mevcut çalışmada, Çince ve İngilizce korpusların ayrı bir tematik analizi yapılmamıştır; bu nedenle, araştırma vurgusundaki dile özgü farklılıklar niceliksel olarak değerlendirilememiştir. İkinci olarak, bibliyometrik göstergeler, bireysel çalışmaların metodolojik kalitesini veya yanlılık riskini doğrudan değerlendiremez ve atıf tabanlı ölçümler daha eski, görünürlüğü yüksek veya uluslararası düzeyde indekslenmiş yayınları ön plana çıkarabilir. Üçüncü olarak, açık bir insan sağlığı bileşeni içermeyen veterinerlik ve çevre çalışmalarının hariç tutulmasıyla birlikte konferans bildirilerinin, kurum raporlarının, tezlerin ve diğer gri literatürün sınırlı kapsamı, geniş kapsamlı Tek Sağlık AMR manzarasını, özellikle toplumsal ve kırsal ortamlardan gelen kanıtları eksik temsil edebilir. Yeni birincil veri setleri içermeyen sistematik incelemelerin ve meta-analizlerin hariç tutulması da kanıt sentezinin sıcak nokta oluşumuna olan katkısını eksik temsil edebilir. Dördüncü olarak, yayın ve indeksleme gecikmeleri, çalışma döneminin sonuna yakın yayınlanan çalışmaların temsilini azaltmış olabilir. Beşinci olarak, anahtar kelimeler kısa süreli veya düzensiz zamansal dalgalanmalar gösterdiğinde, Kleinberg patlama tespit algoritması yanlış pozitif sinyaller üretebilir. Ayrıca, CiteSpace parametre ayarlarının resmi bir hassasiyet analizi yapılmamıştır; bu nedenle ağın, kümelemenin ve patlama sonuçlarının alternatif CiteSpace parametre seçimleri altındaki sağlamlığı değerlendirilmemiştir. Resmi bir eş anlamlı birleştirme işleminin yapılmaması, anlamsal olarak eşdeğer anahtar kelimelerin parçalanmasına yol açmış olabilir ve anahtar kelime frekansı ile ağ tahminlerini etkilemiş olabilir. Doğu/Merkez/Batı Çin yayınlarına yönelik resmi bir analiz yapılmadığı için, yayın çıktılarındaki bölgesel farklılıklar niceliksel olarak değerlendirilememiştir.

Gelecekteki çalışmalar; alternatif patlama-duyarlılık parametrelerini ve minimum süre eşiklerini test etmeli, şeffaf eşanlamlı sözlükleri uygulamalı, sonuçları bağımsız veri tabanları arasında karşılaştırmalı ve patlama sinyallerini yıllık anahtar kelime frekansları ve uzman incelemeleriyle üçgenlemelidir. En çok atıf alan makalelerin özel bir analizi yapılmamıştır; gelecek çalışmalar, AMR araştırma temalarındaki zamansal değişimleri daha ayrıntılı tanımlamak ve bağımsız olarak doğrulamak için dönüm noktası niteliğindeki makale analizlerini dahil edebilir. Çift harita örtüştürme analizi de mevcut çalışmanın kapsamı dışındaydı ve dergi düzeyindeki atıf yollarını tanımlamak için gelecekteki çalışmalarda değerlendirilebilir.

Bibliyometrik örüntüler, Çin'deki AMR araştırmalarının tanımlayıcı sürveyanstan mekanistik incelemelere ve yenilikçi müdahale geliştirmeye doğru giderek kaydığını göstermektedir. Kapsamlı yönetim stratejileri aracılığıyla MRSA'nın kontrol altına alınmasında önemli ilerlemeler kaydedilmiş olsa da, karbapenem dirençli Gram-negatif patojenler acil dikkat gerektiren kritik bir tehdit olmaya devam etmektedir. Yapay zeka destekli tahmin modellerinin, faj tedavisinin ve CRISPR tabanlı müdahalelerin ortaya çıkışı, laboratuvar araştırmalarından klinik uygulamaya aktarılmaları zorlayıcı olsa da AMR ile mücadele için gelecekte fırsatlar sunabilir. Bulgular; sürveyansın sürdürülmesini, bölgeler arası iş birliğinin güçlendirilmesini ve hem geleneksel antibiyotikler hem de gelişmekte olan terapötik stratejiler üzerine sürekli araştırmalar yapılmasını desteklemektedir.

Malzemeler

Bu makalede kullanılan malzemelerin listesi

Ad	Şirket	Katalog numarası	Yorumlar
CiteSpace	Drexel University, Philadelphia, PA, USA	versiyon 6.4.R1	Ortak yazarlık analizi, anahtar kelime eş-dizilimi analizi, kümeleme analizi ve aniden artan terimlerin (burst) tespiti dahil olmak üzere kapsamlı bibliyometrik analizler yapmak için.
China National Knowledge Infrastructure (CNKI)	China National Knowledge Infrastructure	Uygulanamaz	Çin yerel kaynakları tarafından sağlanan araştırma makalelerini derlemek için.
R	R yazılımı	versiyon 4.3.2
Web of Science Core Collection (SCI-E)	Web of Science	Uygulanamaz	Uluslararası literatürü sistematik olarak aramak ve geri çağırmak için.