王升 楊金蘭 胡偉 劉如品 伍三蘭

(1 信陽市中心醫(yī)院藥學科，信陽 464000；2 華中科技大學同濟醫(yī)學院附屬協(xié)和醫(yī)院藥劑科，武漢 430022)

銅綠假單胞菌(Pseudomonas aeruginosa, PA)屬非發(fā)酵菌，是院內感染的重要病原菌之一[1]。PA在人體和動物呼吸道、消化道、皮膚及耳道等部位均可定植，所引起的感染以呼吸道感染、腹腔感染及血流感染較為多見，其中血流感染常見于重癥患者，預后較差[2]。PA在醫(yī)院致病菌分離率排名中處于前五位，是重癥監(jiān)護病房中最棘手的細菌，不僅體現(xiàn)在易感，且耐藥菌株有增多趨勢。值得提出的是，PA是第一個呈現(xiàn)出多重耐藥(multidrug-resistant，MDR)表型的細菌[3]，有研究表明，MDR-PA肺炎感染患者接受不恰當經(jīng)驗治療的比率較高，且死亡率也高于非MDR感染者[3]。

PA耐藥性與多個因素相關，其中抗菌藥物的不合理使用是最主要的因素之一[5]。有研究表明抗菌藥物消耗量與細菌耐藥率呈宏觀量化關系，依據(jù)兩者的關系，調整抗菌藥物的使用策略，對于控制耐藥率可能具有積極意義。近年來，國內外有大量研究考察兩者的相關性，但由于各醫(yī)療機構抗菌藥物使用特點不同、關注的細菌種類不同，統(tǒng)計學方法也不一致。對比現(xiàn)有的證據(jù)來看，并沒有顯示出兩者關系具有較好的規(guī)律性和一致性，故對于此類研究的結果不能照搬套用。鑒于此，本文將基于我院6年數(shù)據(jù)考察PA耐藥率與抗菌藥物用藥頻度的相關性，旨在為臨床合理使用抗菌藥物提供參考依據(jù)。

1 材料與方法

1.1 菌株來源

2014年1月1日—2019年12月31日我院臨床送檢到微生物室經(jīng)培養(yǎng)和分離的全部病原菌。標本主要來自痰、氣管抽吸物、尿液、血液、傷口分泌物及肺泡灌洗液等，同一患者分離得到的重復菌株只取第一株藥敏結果。質控菌株為銅綠假單胞菌ATCC27853，由國家衛(wèi)健委臨床檢驗中心提供。

1.2 細菌鑒定和藥敏試驗

菌株的培養(yǎng)和鑒定參考第3版《全國臨床檢驗操作規(guī)程》[6]，采用法國生物梅里埃公司VITEK-2型全自動細菌鑒定儀器進行菌株鑒定。藥敏試驗采用K-B紙片擴散法(kirby-bauer法)，結果判讀依據(jù)當年美國臨床實驗室標準化研究所(CLSI)評定。

1.3 抗菌藥物用藥頻度

從醫(yī)院臨床藥學管理系統(tǒng)（prescription automatic screening system of pharm assist，PASS)中提取2014—2019年各季度常用單品種抗菌藥物的消耗明細，各類單品種形成的累計DDDs由2013版Excel統(tǒng)計得出。DDDs的計算依據(jù)世界衛(wèi)生組織(WHO)推薦的日限定劑量(defined daily dose，DDD)法，未被收載的藥物品種DDD參考第18版《新編藥物學》和藥品說明書確定。DDDs=某藥物年使用總量(g)/該藥DDD。DDDs值具有加和性，某類抗菌藥物累計DDDs為所屬該類抗菌藥物的單個品種DDDs之和。

1.4 統(tǒng)計學方法

使用SPSS 20.0作為統(tǒng)計分析軟件。運用簡單線性回歸分析PA檢出率與DDDs隨時間變化趨勢，回歸系數(shù)β＞0時，為同向趨勢，β＜0時，為反向趨勢。對耐藥率與DDDs進行Spearman相關分析。以耐藥率為因變量，DDDs為自變量對相關性分析中具有統(tǒng)計學意義的自變量進行多重線性回歸分析，并以方差膨脹因子(VIF)判斷自變量間是否存在共線性。自變量間存在共線性時，采用嶺回歸法進行校正。

2 結果

2.1 銅綠假單胞菌的耐藥率變遷

2014—2019年我院銅綠假單胞菌對氨曲南和慶大霉素耐藥率隨時間均呈上升趨勢(P＜0.05)；對美羅培南、左氧氟沙星、頭孢他啶、頭孢哌酮/舒巴坦和阿米卡星耐藥率均無顯著變化趨勢(P＞0.05)(表1)。

表1 2014—2019年銅綠假單胞菌對常用抗菌藥物的耐藥率及變化趨勢Tab.1 Trend of resistance rate of PA to antibiotics from 2014 to 2019

2.2 常用抗菌藥物的用藥頻度及變化趨勢

2014—2019年我院頭孢他啶DDDs、慶大霉素DDDs和莫西沙星DDDs隨時間呈上升趨勢(P＜0.05)；左氧氟沙星DDDs隨時間呈下降趨勢(P＜0.05)；頭孢哌酮舒巴坦DDDs、美羅培南DDDs、氨曲南DDDs和阿米卡星DDDs隨時間均未見明顯變化趨勢(P＞0.05)，見表2。

表2 2014—2019年常用抗菌藥物用藥頻度及變化趨勢Tab.2 Trend of defined daily dose system of antibiotics from 2014 to 2019

2.3 各類抗菌藥物累計用藥頻度及變化趨勢

2014—2019年我院常用抗菌藥物各品種累計DDDs大小順序為酶抑制劑合劑類＞喹諾酮類＞碳青霉烯類＞第三代頭孢菌素類＞氨基糖苷類。其中，喹諾酮類累計DDDs、碳青霉烯類累計DDDs、酶抑制劑合劑類DDDs和氨基糖苷類累計DDDs均隨時間呈顯著上升趨勢(P＜0.01)；第三代頭孢菌素類累計DDDs隨時間無明顯變化趨勢(P＞0.05)，見表3。

表3 2014—2019年常用抗菌藥物用藥頻度及變化趨勢Tab.3 Trend of accumulated defined daily dose system of antibiotics from 2014 to 2019

2.4 抗菌藥物用藥頻度與PA耐藥率間的相關性及多重線性回歸分析

Spearman相關性分析顯示，PA對慶大霉素耐藥率與慶大霉素DDDs、頭孢他啶DDDs、酶抑制劑合及類累計DDDs和氨基糖苷類累計DDDs均呈正相關(P＜0.01)；PA對阿米卡星耐藥率與莫西沙星DDDs呈正相關，與美羅培南DDDs和碳青霉烯類累計DDDs均呈負相關(P＜0.05)；PA對氨曲南耐藥率與頭孢他啶DDDs、莫西沙星DDDs和喹諾酮類累計DDDs均呈正相關(P＜0.05)；PA對左氧氟沙星耐藥率與頭孢他啶DDDs、酶抑制劑合劑類累計DDDs和頭孢哌酮舒巴坦DDDs均呈正相關(P＜0.05)。以抗菌藥物DDDs為自變量，PA對抗菌藥物耐藥率為因變量，對相關性顯著的自變量和因變量進一步進行多重線性回歸分析和共線性診斷。結果顯示，對于慶大霉素耐藥率，僅有頭孢他啶DDDs回歸系數(shù)具有顯著性(P＜0.05)，但回歸系數(shù)變?yōu)樨撝?，而共線性診斷發(fā)現(xiàn)慶大霉素DDDs的VIF=18.38，氨基糖苷類累計DDDs的VIF=23.541，兩者VIF＞10，提示自變量間存在多重共線性。對于阿米卡星耐藥率，僅有莫西沙星DDDs和碳青霉烯類累計DDDs回歸系數(shù)存在顯著性(P＜0.05)，而莫西沙星DDDs、美羅培南DDDs和碳青霉烯類累計DDDs的VIF值均大于10，提示自變量間存在多重共線性。對于氨曲南耐藥率，頭孢他啶DDDs、莫西沙星DDDs和喹諾酮類累計DDDs的回歸系數(shù)均不顯著(P＞0.05)，且三者VIF值均大于5，提示自變量間存在輕度共線性。對于左氧氟沙星耐藥率，由于其與頭孢他啶DDDs、酶抑制劑合劑類累計DDDs和頭孢哌酮舒巴坦DDDs間僅存在輕度相關，而回歸分析顯示三者回歸系數(shù)均不顯著(P＞0.05)，三者的VIF值均小于5，提示自變量間不存在多重共線性，見表4。

2.5 PA耐藥率與抗菌藥物DDDs的嶺回歸分析

對表4中納入多重線性回歸且經(jīng)過VIF診斷發(fā)現(xiàn)存在共線性的變量，進一步運用嶺回歸分析法進行校正。共有3個模型納入嶺回歸分析，模型1：以慶大霉素耐藥率為因變量，慶大霉素DDDs、頭孢他啶DDDs、酶抑制劑合劑類累計DDDs和氨基糖苷類累計DDDs 為自變量；模型2：以阿米卡星耐藥率為因變量，莫西沙星DDDs、美羅培南DDDs和碳青霉烯類累計DDDs為自變量；模型3：以氨曲南耐藥率為因變量，頭孢他啶DDDs、莫西沙星DDDs和喹諾酮類累計DDDs為自變量。首先以嶺參數(shù)k為橫坐標，各自變量的回歸系數(shù)為縱坐標，編輯語法，運用SPSS 20.0軟件運行并繪制嶺跡圖。 觀察嶺跡圖，以回歸系數(shù)趨于穩(wěn)定為標準來確定k值。以模型1為例，當k=0.1時，回歸系數(shù)趨于穩(wěn)定，見圖1。將k值分別寫入語法并運行，得到3個模型的嶺回歸分析結果(見表5)，其中模型1和模型3均通過F檢驗(F1=8.914，P＜0.01；F3=3.588，P＜0.05)，而模型2未通過F檢驗(F2=2.968，P＞0.05)。模型1提示慶大霉素耐藥率與慶大霉素DDDs和酶抑制劑合劑類累計DDDs呈正相關(P＜0.01)，與頭孢他啶DDDs呈負相關(P＜0.05)。模型3提示氨曲南耐藥率與喹諾酮類累計DDDs呈正相關(P＜0.05) 。嶺回歸分析結果見表5。

表4 PA對抗菌藥物耐藥率(因變量)與DDDs(自變量)間的相關性分析和多重線性回歸分析Tab.4 Correlation analysis and multiple linear regression analysis between antimicrobial resistance of PA(dependent variables) and defined daily dose system(independent variables)

表5 抗菌藥物DDDs對PA耐藥率影響的嶺回歸模型Tab.5 Ridge regression models of defined daily dose system of antibiotics to resistance of PA

3 討論

基于6年的數(shù)據(jù)分析表明，PA對我院大多數(shù)品種抗菌藥物的耐藥率隨時間無明顯波動趨勢(P＞0.05)，但對氨曲南和慶大霉素耐藥率呈顯著上升趨勢(P＜0.05)，與Ribeiro和Liu報道不一致[7-8]，與魏迪南等[9]報道一致。與CHINET歷年公布的同期耐藥數(shù)據(jù)對比發(fā)現(xiàn)，我院PA對美羅培南和氨曲南的年平均耐藥率低于前者，對頭孢他啶、頭孢哌酮/舒巴坦、慶大霉素、阿米卡星和左氧氟沙星的年平均耐藥率均高于前者，說明我院PA耐藥形勢較為嚴峻，對絕大多數(shù)抗菌藥物品種耐藥水平較高。此外，我院采用的季度為時間節(jié)點進行耐藥分析，所得的耐藥率曲線波動頻率要高于以年為時間節(jié)點的耐藥曲線，如美羅培南耐藥率在2015年第四季度為10.0%，而在2015年第一季度為33.3%，提示我院PA對美羅培南存在高耐藥率和不穩(wěn)定耐藥趨勢，而這種情況于其他抗菌藥物品種也廣泛存在。鑒于此，需要采取一定的措施來緩解耐藥率的上升。

研究表明，不合理使用抗菌藥物、住院時間長、侵入性操作、缺乏感控措施和手衛(wèi)生是導致細菌的傳播和耐藥率的上升的重要因素[10]，而過度使用抗菌藥物，尤其是廣譜抗菌藥物，則是耐藥菌出現(xiàn)的最重要因素之一[11]。國內外越來越多研究表明PA耐藥率與抗菌藥物用藥頻度存在關聯(lián)[12-15]，而且這種關聯(lián)并非僅存在于某種藥物消耗量與同種藥物耐藥率，有研究表明PA對某種藥物的耐藥率同時與多種抗菌藥物的消耗量存在相關性[16]。受各醫(yī)療機構采購的品種、臨床醫(yī)生的給藥方案、用于藥敏試驗的藥物品種等不一致的影響，目前涉及到此類研究的方法、結果和結論并不統(tǒng)一 ?；仡櫺苑治霭l(fā)現(xiàn)，我院喹諾酮類、碳青霉烯類、酶抑制劑合劑類和氨基糖苷類抗菌藥物累計DDDs均有隨時間上升的趨勢(P＜0.05)。單個品種抗菌藥物中，慶大霉素DDDs和莫西沙星DDDs也呈上升趨勢(P＜0.05)，而同為喹諾酮類藥物的左氧氟沙星DDDs卻有隨時間下降的趨勢(P＜0.05)，說明我院使用抗菌藥物存在單個品種傾向性。以耐藥率為因變量，各單品種或各類抗菌藥物DDDs為自變量的多重線性回歸分析與共線性診斷發(fā)現(xiàn)，PA對慶大霉素耐藥率與慶大霉素DDDs和氨基糖苷類累計DDDs均呈正相關(P＜0.05)，兩者DDDs間存在共線性(VIF＞10)。對阿米卡星耐藥率與美羅培南DDDs和碳青霉烯類累計DDDs均存在負相關(P＜0.05)，兩者DDDs間存在共線性(VIF＞10)。對氨曲南的耐藥率與莫西沙星DDDs和喹諾酮類累計DDDs均存在正相關(P＜0.05)，兩者DDDs間存在弱共線性(VIF＞5)。說明共線性問題在我院單個品種DDDs和同類藥物累計DDDs間普遍存在。對于自變量之間存在共線性問題時，傳統(tǒng)的多重線性回歸分析和逐步回歸分析得到的回歸系數(shù)缺乏精度，結果可能會失真，甚至與事實相悖[17]。嶺回歸法是一種改良的最小二乘估計的方法， 更適用自變量間存在共線性的情況。本研究運用嶺回歸法在簡單相關分析和多重線性回歸的基礎上進一步對資料進行分析，結果顯示PA對氨曲南耐藥率與喹諾酮類累計DDDs呈正相關(P＜0.05)，與相關報道一致[18-19]。對于慶大霉素耐藥率，來自韓國的一項基于全國性數(shù)據(jù)監(jiān)測的研究表明PA對慶大霉素耐藥率與氨基糖苷類消耗量呈正相關，未見與慶大霉素消耗量存在顯著相關性[20]。與其不同的是，本研究中嶺回歸分析結果發(fā)現(xiàn)PA對慶大霉素耐藥率與慶大霉素DDDs呈正相關(P＜0.01)，與頭孢他啶DDDs呈負相關(P＜0.05)，而未見與氨基糖苷類累計DDDs存在顯著相關性， 與國內相關報道一致[21-22]?？赡芤驗楦餮芯康慕y(tǒng)計方法不一致，韓國學者采用的是簡單相關性分析，而由于本研究中慶大霉素DDDs與氨基糖苷類累計DDDs存在共線性，因此在簡單相關的基礎上進行了更適用的嶺回歸法分析。目前，監(jiān)測和限定抗菌藥物的使用對于延緩細菌耐藥具有重要作用，這點在全球已基本達成共識[23-24]。日本的一項由203家醫(yī)院構成的多中心研究表明，抗菌藥物的總使用量與PA耐藥率有顯著相關性[25]。面臨細菌耐藥在全球范圍的嚴峻形勢， 我國早在2011年即開展了抗菌藥物臨床應用專項整治活動，其他國家也先后出臺了相關政策來促進抗菌藥物合理使用[26-27]，已有成功先例表明通過控制抗菌藥物的使用量可以成功抑制PA對部分抗菌藥物耐藥率的上升趨勢[7,28]。本院PA對慶大霉素耐藥率隨時間呈上升趨勢，結合嶺回歸分析結果，可嘗試減少慶大霉素的消耗量，以降低慶大霉素耐藥率。

本研究顯示的多組耐藥率與抗菌藥物用藥頻度相關性數(shù)據(jù)中，喹諾酮類、碳青霉烯類與酶抑制劑合劑類出現(xiàn)的頻次較高，且用藥頻度隨時間上升趨勢顯著(P＜0.01)。有研究表明，耐碳青霉烯類PA耐藥率不僅與其自身消耗量有關，還與喹諾酮類消耗量密切相關[29]。亦有研究表明耐碳青霉烯類PA耐藥率與碳青霉烯類和喹諾酮類兩者消耗量之和呈正相關[30]，而控制碳青霉烯類和喹諾酮類藥物的消耗量對減緩MDR-PA菌株的產(chǎn)生具有積極意義[31]。臨床中，MDR-PA的治療較為棘手，不僅體現(xiàn)在抗菌藥物選擇困難，其還可攜帶耐藥基因在不同菌株間傳播，使耐藥問題更為嚴重。提示我院應加強喹諾酮類和碳青霉烯類抗菌藥物的使用監(jiān)測，降低耐藥菌株的生成和傳播風險。

綜上所述，我院PA對多數(shù)品種耐藥率水平高于CHINET報道的同期水平，應引起警惕。統(tǒng)計學發(fā)現(xiàn)某些種類單個品種DDDs與該類藥物累計DDDs存在較強的共線性，使單個品種藥物的用藥頻度呈現(xiàn)兩極化，應重點監(jiān)測此類藥物。研究發(fā)現(xiàn)了PA對慶大霉素與氨曲南耐藥率與某些藥物用藥頻度存在相關性，其中喹諾酮類、碳青霉烯類與酶抑制劑合劑類藥物與耐藥率關聯(lián)度較高，應重點監(jiān)測此3類藥物臨床使用的合理性，以防止出現(xiàn)多重耐藥菌株。由于是基于我院連續(xù)6年的監(jiān)測數(shù)據(jù)且使用了嶺回歸法分析，得出的研究結果較謹慎，對于指導抗菌藥物的合理使用具有重要意義。