数据收集与样本特征分析
获取全球儿童细菌分离株及其临床和微生物学数据,了解样本分布。
从ATLAS数据库提取2004-2022年106581株儿童(0-18岁)分离株,包括年龄、性别、感染部位、地区等信息,并分析病原谱。
Childhood Antimicrobial Resistance With Global Forecasts
多区域监测研究,基于ATLAS数据库,包括106581株儿童分离株,进行耐药性趋势分析和2035年预测,但无体外或动物实验等机制验证。
儿童细菌分离株 ATLAS数据库
样本量:106581株儿童分离株 年龄分组:0-2岁、3-12岁、13-18岁 AWaRe分类:Access、Watch、Reserve组 区域分组:WHO地理区域及收入水平 预测模型:时空广义加性模型至2035年
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
获取全球儿童细菌分离株及其临床和微生物学数据,了解样本分布。
从ATLAS数据库提取2004-2022年106581株儿童(0-18岁)分离株,包括年龄、性别、感染部位、地区等信息,并分析病原谱。
按AWaRe分类对抗生素分组,并定义类别耐药性。
将抗生素按WHO AWaRe分类为Access、Watch、Reserve组,耐药性定义为对至少一种该组抗生素耐药。
评估不同亚组中AWaRe类别耐药性的时间趋势。
使用线性(Cochran-Armitage检验)和非线性(二次二项回归)模型分析耐药性趋势,并进行亚组分析(按地区、年龄、临床环境、感染类型等)。
预测至2035年耐药性变化,并绘制地理分布。
应用广义加性模型(GAM)调整年龄和地区,预测耐药性轨迹,计算95%不确定性区间,并绘制地图展示区域分布。
评估分析稳健性,并检查潜在偏倚。
进行敏感性分析(如使用中位数耐药性),检查病原分布异常,并评估数据代表性。
按研究目的归类文中使用的方法,便于定位所需技术。
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据收集 | 数据库来源、时间范围、年龄分组、样本量 阅读提示:Methods: Study Design and Data Variables |
| 耐药性定义 | AWaRe分类标准、耐药性定义(至少一种抗生素耐药) 阅读提示:Methods: Data Variables |
| 趋势分析 | 统计检验方法、显著性阈值、亚组排除标准 阅读提示:Methods: Statistical Analysis |
| 预测建模 | 模型类型、调整变量、预测年份、不确定性区间计算 阅读提示:Methods: Statistical Analysis |
| 敏感性分析 | 敏感性分析方法(如中位数)、异常值处理 阅读提示:Supplement 1: eTable 9 |