Helicobacter pylori Antibiotic Resistance in Russia: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Objective: This systematic review and meta-analysis aims to evaluate the temporal changes in Helicobacter pylori antibiotic resistance in Russia based on studies published over the past 15 years. Materials and Methods: We conducted a comprehensive literature search in MEDLINE/PubMed, EMBASE, the Russian Science Citation Index, and Google Scholar, following the PRISMA 2020 guidelines. Our meta-analysis was pre-registered in PROSPERO (CRD 420251025636). The inclusion criteria included original research, published in English or Russian in 2011–2024, involving antibiotic susceptibility testing in treatment-naive Russian adults using validated diagnostic methods. Two independent researchers selected studies and extracted data using standardized procedures, with methodological quality assessed via the Newcastle–Ottawa Scale. Pooled resistance rates were calculated using fixed/random-effects models in MedCalc 23.1.5 and Python 3.9.21, with meta-regression investigating temporal trends and subgroup analyses examining regional and methodological variations. Results: We identified 16 studies comprising 1206 H. pylori isolates. The pooled analysis of studies (2011–2025) revealed an overall clarithromycin resistance rate of 15.236%, with a significant temporal increase from 11.903% pre-2015 to 21.024% in 2020–2024 (p = 0.0049). Metronidazole showed consistently high pooled resistance (33.309%), while amoxicillin (1.828%), levofloxacin (19.014%), tetracycline (1.328%), and rifampicin (5.803%) maintained low resistance rates, and dual clarithromycin–metronidazole resistance was observed in 2.793% of isolates. Regional disparities were notable in the two largest cities of Russia, with 18.763% clarithromycin resistance in Moscow versus 28.540% in Saint-Petersburg. Conclusions: Russia surpasses the Maastricht VI Consensus resistance threshold for clarithromycin (15%), necessitating revision of empirical treatment strategies. The significant increase in clarithromycin resistance, potentially exacerbated by antibiotic use during the COVID-19 pandemic, underscores the urgent need for resistance-guided therapies and ongoing national surveillance programs to optimize H. pylori management.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,021 | 0,003 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».