Global trends in carbapenem- and difficult-to-treat-resistance among World Health Organization priority bacterial pathogens: ATLAS surveillance program 2018–2022
Notice bibliographique
Résumé
OBJECTIVES: To report trends in carbapenem resistance and difficult-to-treat resistance (DTR) among clinical isolates of Gram-negative priority pathogens collected by the ATLAS global surveillance program from 2018 to 2022. METHODS: Reference broth microdilution testing was performed in a central laboratory for 79,214 Enterobacterales, 30,504 Pseudomonas aeruginosa, and 13,500 Acinetobacter baumannii-calcoaceticus complex isolates collected by a constant set of 157 medical centres in 49 countries in Asia Pacific (APAC), Europe (EUR), Latin America (LATAM), Middle East-Africa (MEA), and North America (NA) regions. MICs were interpreted by 2023 CLSI M100 breakpoints. β-lactamase genes were identified for meropenem-nonsusceptible (MIC ≥2 mg/L) Enterobacterales isolates. RESULTS: Carbapenem-resistant Enterobacterales (CRE) detection increased (P < 0.05) in APAC, EUR, LATAM, and MEA regions and decreased in NA, while annual DTR percentages increased in all five regions. Carbapenem-resistant P. aeruginosa (CRPA; decreased in MEA region) and carbapenem-resistant A. baumannii-calcoaceticus complex (CRAB; decreased in MEA region and increased in EUR) remained relatively stable over time in all regions, although notably, annual percentages of CRAB and DTR A. baumannii-calcoaceticus complex isolates were consistently >25 percentage points lower in NA than in other regions. For all regions except NA, the majority of changes in CRE percentages could be attributed to hospital-acquired infections. Among meropenem-nonsusceptible Enterobacterales, KPC was the most frequent carbapenemase in NA and EUR each year. NDM was the most prevalent carbapenemase detected in 2022 in other global regions. CONCLUSION: CRE, CRPA, CRAB, and DTR rates vary among global regions over time highlighting the need for continuing surveillance to inform treatment strategies and antimicrobial stewardship.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».