میزان رقابت بین سویه‌های باکتریایی حساس ممکن است بر بروز سویه‌های مقاوم تأثیر بگذارد نیز به خوبی شناخته نشده است. وجود همزمان این سویه ها در دوره های زمانی طولانی نیز نامشخص است.
در سال 2019، حدود 4.95 میلیون مرگ به دلیل مقاومت میکروبی باکتریایی نسبت داده شد که بیشتر این مرگ‌ها به دلیل اشریشیا کلی، استافیلوکوک اورئوس، کلبسیلا پنومونیه، استرپتوکوک پنومونیه، اسینتوباکتر بومانی، و سودوموناس آئروژینوزا.
در محیط‌های مراقبت‌های بهداشتی، از آنجایی که نظارت برای حمل بدون علامت AMRO اهمیت بالینی فوری ندارد، تخمین شیوع کلی AMRO را مختل کرده است، در نتیجه منجر به اهداف پیش‌بینی مغرضانه برای مدل‌های پیش‌بینی AMRO می‌شود. همچنین جمع‌آوری داده‌ها در مورد فرآیندهای غیربیولوژیکی که باعث انتقال پاتوژن‌های مقاوم می‌شوند، مانند تعامل بیمار با کارکنان مراقبت‌های بهداشتی، غیرعملی است. به طور کلی، داده های مقاوم به ضد میکروبی از سطح مرکز کمیاب، ناپدید یا با کیفیت پایین هستند.
دستورالعمل های آینده
در سطح جمعیت، اهداف پیش‌بینی ممکن است شامل تعداد عفونت‌های مقاوم به ضد میکروبی یا نسبت جدایه‌هایی باشد که مقاومت نشان می‌دهند. در مجموع، این اطلاعات می تواند برای تعیین بار آتی مقاومت ضد میکروبی در جمعیت، از جمله تأثیر آن بر مرگ و میر، بستری شدن در بیمارستان، روزهای از دست دادن کار، یا هزینه های اقتصادی مستقیم و غیرمستقیم مورد استفاده قرار گیرد.
مطالعه: چالش های پیش بینی مقاومت ضد میکروبی اعتبار تصویر: Michael Design / Shutterstock.com
تهدید فزاینده مقاومت ضد میکروبی
مدل‌های ریاضی مبتنی بر فرآیند نیز برای مطالعه AMROها با تحریک رقابت بین سویه‌های مقاوم و حساس مورد استفاده قرار گرفته‌اند. علاوه بر این، مدل‌های سطح فردی با ترکیب اطلاعات بیماران قبلی یا تماس با کارکنان مراقبت‌های بهداشتی به منظور ابداع شبکه‌های انتقال بالقوه در تأسیسات مراقبت‌های بهداشتی ایجاد شده‌اند.
در مقایسه، در سطح تسهیلات، هدف پیش‌بینی ممکن است تعداد عفونت‌های ضد میکروبی شناسایی‌شده در یک بیمارستان یا سیستم بیمارستانی واحد باشد. با این اطلاعات، در صورت افزایش این عفونت‌ها، امکانات مراقبت‌های بهداشتی می‌توانند به طور پیشگیرانه منابعی از جمله تجهیزات، داروها، کارکنان و فضای بیمارستان را تخصیص دهند.
چالش های پیش بینی AMRO
در آینده، همه ذینفعان، مانند پزشکان، مقامات بهداشت عمومی، و سازمان‌های مراقبت‌های بهداشتی، باید الزامات خاصی را از مدل‌سازی مقاومت ضد میکروبی شناسایی کنند تا تولید پیش‌بینی‌های عملیاتی را در محیط‌های واقعی تسهیل کنند. علاوه بر این، دانشمندان کامپیوتر باید الگوریتم‌های محاسباتی کارآمدتری برای کالیبره کردن مدل‌های مقاومت ضد میکروبی برای داده‌های متنوع، چند مقیاسی و مدل‌های قابل تفسیرتر طراحی کنند تا اطمینان حاصل شود که پزشکان در مورد این ابزارها اطمینان بیشتری دارند.
برای نتیجه گیری، نیاز فوری به تعیین انتظارات مناسب و ایجاد معیارهای خوب برای اجرای موفقیت آمیز ابزارهای پیش بینی AMRO وجود دارد. با این حال، با تلاش‌های مشترک همه ذینفعان، پیش‌بینی مقاوم به ضد میکروبی می‌تواند با موفقیت به مسائل دنیای واقعی در بهداشت عمومی و مراقبت از بیمار رسیدگی کند.
در محیط‌های مراقبت‌های بهداشتی، جمع‌آوری مداوم داده‌ها در مورد آزمایش و گزارش عفونت‌های مقاوم به آنتی‌بیوتیک، اهداف آموزشی و پیش‌بینی، مقیاس افق پیش‌بینی و قوانین امتیازدهی مناسب را استاندارد می‌کند، که به نوبه خود، ارزیابی عملکرد پیش‌بینی را تسهیل می‌کند.
علیرغم پیشرفت‌های متعددی که در توسعه مدل‌های پیش‌بینی برای بیماری‌های عفونی ویروسی و حاد مانند آنفولانزا، دنگی و بیماری کروناویروس 2019 (COVID-19) انجام شده است، کمبود مدل‌های پیش‌بینی برای پیش‌بینی این بیماری وجود دارد. شدت AMRO های آینده بهبود هوش پیش‌بینی در AMROها به محققان و مقامات بهداشت عمومی این امکان را می‌دهد تا بینش‌های مهمی در مورد ظهور و گسترش بالقوه مقاومت ضد میکروبی در جمعیت‌ها و مراکز بهداشتی و درمانی به دست آورند.
رویکردهای پیش بینی فعلی
در برخی کشورها، سیستم‌های نظارتی داده‌های مربوط به تغییرات حساسیت ضد میکروبی را جمع‌آوری می‌کنند. با این حال، این سیستم ها پاتوژن های مسئول عفونت های مربوط به مراقبت های بهداشتی را ردیابی نمی کنند. علاوه بر این، پروفایل پاتوژن مقاوم به ضد میکروبی در کشورهای با درآمد کم و متوسط (LMIC) بسیار محدودتر است. تا به امروز، علیرغم نظارت در سطح جمعیت، داده‌ها برای اطلاع‌رسانی پیش‌بینی‌های سودمند عملیاتی مقاومت ضد میکروبی ناکافی باقی مانده‌اند.
هنگام توسعه مدل‌های پیش‌بینی مقاومت ضد میکروبی، ابتدا تعیین اینکه آیا این ابزارها در مقیاس‌های سطح جمعیت یا تسهیلات به کار خواهند رفت، ضروری است. هنگامی که در سطح جمعیت اعمال می شود، پیش بینی AMRO می تواند پیش بینی کند که عفونت چگونه بر جمعیت عمومی برای دوره های طولانی از ماه ها تا سال ها تأثیر می گذارد.
در مقاله اخیر منتشر شده در مراکز کنترل و پیشگیری از بیماری های ایالات متحده (CDC) بیماری های عفونی در حال ظهور، محققان نیاز به اولویت بندی تحقیقات در مورد پیش بینی ارگانیسم های مقاوم به ضد میکروبی (AMRO) را برجسته می کنند. علاوه بر این، آنها چالش‌های فعلی در پیش‌بینی AMRO و پتانسیل ابزارهای پیش‌بینی در سطح جمعیت و امکانات را مورد بحث قرار می‌دهند.
عدم درک علمی از دلایل انتشار پاتوژن های مقاوم به ضد میکروبی اولین و مهمترین مسئله در طراحی مدل های پیش بینی دقیق است. تا به امروز، فقدان درک در مورد اینکه چگونه استفاده از آنتی بیوتیک به ایجاد مقاومت آنتی بیوتیکی کمک می کند و اینکه آیا یک داروی آنتی بیوتیکی تأثیر مهم تری بر ظهور گونه های مقاوم دارد، وجود ندارد.
مدل‌های ریاضی و آماری مختلفی برای مبارزه با مقاومت ضد میکروبی مورد استفاده قرار گرفته‌اند که برخی از این مدل‌ها کاربردهای بالقوه‌ای به عنوان ابزار پیش‌بینی دارند. به عنوان مثال، آنالیزهای سری زمانی قبلاً برای تعیین ارتباط بین مصرف آنتی بیوتیک و شیوع مقاومت ضد میکروبی در سطح جمعیت استفاده شده است. با این حال، این نوع تجزیه و تحلیل در توانایی آن برای پیش بینی شیوع ضد میکروبی کافی نیست.