两个实验室的故事:在商业和学术诊断实验室中比较物中的抗菌素耐药性数据

科学领域:

• 兽医微生物学 兽医微生物学
• 流行病学 流行病学
• 数据科学是数据科学.

背景情况:

• 抗菌素耐药性 (AMR) 是兽医界的一个主要问题,影响伴侣动物的健康.
• 目前对猫和狗的AMR估计通常依赖于单个数据源,这可能会限制概括性.
• 准确的监测对于在兽医实践中制定有效的AMR缓解策略至关重要.

研究的目的:

• 从数量上比较来自大学附属诊断实验室 (UADL) 和商业诊断实验室 (CDL) 的AMR数据.
• 分析伴侣动物中关键细菌的抗微生物敏感性测试 (AST) 结果.
• 开发和测试一种用于AMR监测的新型数据协调工具.

主要方法:

• 在纽约州 (2019-2022) 的UADL和CDL中对Escherichia coli和Staphylococcus pseudintermedius的AST结果进行比较分析.
• 专注于一线和更高层次的抗微生物药物.
• 开发和测试一个Shiny应用程序,用于数据协调和比较而无需原始数据交换.

主要成果:

• 与CDL数据相比,UADL数据倾向于显示较低的抗微生物敏感率.
• 观察到的敏感性差异因细菌-抗微生物组合,地理位置和时间而异.
• 开发的Shiny应用程序成功地协调和准备数据进行比较,解决了数据共享方面的问题.

结论:

• 诊断实验室数据来源的变化可以显著影响伴侣动物的AMR估计和解释.
• 考虑数据源特征对于准确的抗药性抵抗监测和决策至关重要.
• 综合数据分析,在用户友好的工具的支持下,可以更全面地了解兽医中AMR模式.