使用统计和机器学习模型对抗生素耐药性趋势的全球预测:通过中断时间序列分析评估国家行动计划的政策影响
Linta Khalid1, Kashif Saleem2, Saima Mushtaq3
1School of Interdisciplinary Engineering & Science (SINES), National University of Sciences & Technology (NUST), H12, Islamabad, 44000, Pakistan; Department of Pharmacy Administration, School of Pharmacy, Xi'an Jiaotong University, Xi'an, Shaanxi, China.
在全球范围内,抗菌素耐药性 (AMR) 正在上升,特别是在低收入国家. 这项研究提供了一个数据驱动的框架,用于追踪AMR的传播,预测未来的趋势,并为不同地区和收入群体提供针对性的干预措施.
科学领域:
- 全球健康 全球健康
- 流行病学 流行病学
- 传染性疾病 传染性疾病
背景情况:
- 抗菌素耐药性 (AMR) 构成了全球重大健康威胁,不成比例地影响低收入和中等收入国家 (LMICs).
- 了解AMR的时间和地理传播对于有效的公共卫生战略至关重要.
研究的目的:
- 评估AMR随着时间的推移和世界不同地区的全球传播.
- 使用先进的建模技术预测抗菌耐药性趋势,并评估国家行动计划 (NAP) 的影响.
主要方法:
- 来自65个国家的临床隔离物的分析.
- 时间序列预测模型 (SARIMA,LSTM,SARIMA-LSTM) 在阿根廷对Acinetobacter baumannii的应用.
- 利用中断时间序列 (ITS) 回归来分析NAP对抗生素耐药性趋势的影响.
主要成果:
- 东南亚和非洲的AMR负担最高. 在LMIC中,耐药性病原体的患病率更高,如大肠杆菌,肺炎和A. baumannii.
- 男性和老年人群对特定抗生素的耐药性更高. 预测表明阿根廷A. baumannii的抗药性持续增加.
- ITS分析显示,在NAP实施之前,抵抗力下降,但在之后没有显著变化.
结论:
- 该研究提出了一个基于数据的框架,用于监测和预测AMR.
- 结果支持针对特定地区和收入群体量身定制的干预措施,超越一种适合所有人的方法.
- 该框架有助于评估政策的有效性,并指导未来针对AMR的公共卫生干预措施.
更多相关视频
08:58Isolation and Identification of Waterborne Antibiotic-Resistant Bacteria and Molecular Characterization of their Antibiotic Resistance Genes
Published on: March 3, 2023
09:59Application of the Intelligent High-Throughput Antimicrobial Sensitivity Testing/Phage Screening System and Lar Index of Antimicrobial Resistance
Published on: July 21, 2023
相关概念视频
Steps in Outbreak Investigation
Antimicrobial Effectiveness
Development of Antibiotic Resistance
Antibiotic Selection
Analysis of Population Pharmacokinetic Data
