Имитационное моделирование развития бактериальной резистентности при различных стратегиях потребления антимикробных препаратов на примере резистентности Escherichia coli к цефалоспоринам | КМАХ

Имитационное моделирование развития бактериальной резистентности при различных стратегиях потребления антимикробных препаратов на примере резистентности Escherichia coli к цефалоспоринам

Клиническая Микробиология и Антимикробная Химиотерапия. 2017; 19(4):321-326

​ Арепьева М.А., Колбин А.С., Сидоренко С.В., Курылев А.А.
Escherichia coli антибиотикорезистентность математическая модель объём потребления антибиотиков установленная суточная доза стратегия потребления антибиотиков
Раздел
Антибиотикорезистентность
Тип
Журнальная статья
Публикация
Клиническая Микробиология и Антимикробная Химиотерапия. 2017; 19(4):321-326

Цель.

Изучение качественных зависимостей между уровнем антибиотикорезистентности и объёмом (структурой) потребления антимикробных препаратов (АМП), а также дальнейшее использование этих знаний для минимизации уровня резистентности.

Материалы и методы.

На основе ранее построенной модели, описывающей зависимость между резистентностью и уровнями потребления АМП, было проведено расширенное имитационное моделирование, позволяющее оценить темпы роста резистентности при различных стратегиях потребления разных АМП.

Результаты.

В ходе исследования было установлено, что повышение уровня потребления фторхинолонов существенно влияет на рост резистентности Escherichia coli к цефалоспоринам, в то время как повышение уровня потребления карбапенемов способствует сдерживанию роста резистентности E. coli к цефалоспоринам. Был рассчитан прогноз изменения резистентности E. coli к цефалоспоринам при различных стратегиях потребления АМП.

Выводы.

Лучшей стратегией, ведущей к снижению резистентности E. coli к цефалоспоринам, является стратегия, при которой основными потребляемыми АМП являются карбапенемы, нитроимидазолы и ингибиторозащищённые цефалоспорины, а потребление фторхинолонов в популяции пациентов минимизируется.

Арепьева Мария Александровна

ФГБОУ ВО «Санкт-Петербургский государственный университет», Санкт-Петербург, Россия

Колбин Алексей Сергеевич

ФГБОУ ВО «Санкт-Петербургский государственный университет», Санкт-Петербург, Россия
ФГБОУ ВО «Первый Санкт-Петербургский государственный медицинский университет им. акад. И.П. Павлова» Минздрава России, Санкт-Петербург, Россия

Сидоренко Сергей Владимирович

ФГБУ «Детский научно-клинический центр инфекционных болезней» ФМБА России, Санкт-Петербург, Россия

Курылев А.А.

ФГБОУ ВО «Первый Санкт-Петербургский государственный медицинский университет им. акад. И.П. Павлова» Минздрава России, Санкт-Петербург, Россия

  • 1. Arepyeva M.A., Kolbin A.S., Kurylyov A.A., Balykina Yu.E., Sidorenko S.V.Systematic Review of Mathematical Models Used for Predicting Bacterial Resistance. Klinicheskaja mikrobiologija i antimikrobnaja himioterapija. 2014;16(2):137-143. Russian. (Арепьева М.А., Колбин А.С., Курылев А.А., Балыкина Ю.Е., Сидоренко С.В. Систематический обзор математических моделей, применяемых для прогнозирования развития резистентности бактерий к антибиотикам. Клиническая микробиология и антимикробная химиотерапия. 2014;16(2):137-143.).
  • 2. Arepeva M., Kolbin A., Balykina Y., Kurilev A., Sidorenko S. What should be considered if you decide to build your mathematical model for predicting the development of bacterial resistance? Recommendations based on a systematic review of the literature. Frontiers Microbiol. 2015;6:352.
  • 3. Berger P., Pascal L., Sartor C., et al. Generalized additive model demonstrates fluoroquinolone use/resistance relationships for Staphylococcus aureus. Eur J Epidemiol. 2004;19(5):453-460.
  • 4. Aldrin M., Raastad R., Tvete I.F., et al. Antibiotic resistance in hospitals: a ward-specific random effect model in a low antibiotic consumption environment. Stat Med. 2013;32(8):1407-1418.
  • 5. Arepieva M.A., Kolbin A.S., Sidorenko S.V., et al. Prognostic Model of Microbial Resistance Based on the Relationship between Antibiotic Resistance and Consumption. Klinicheskaja mikrobiologija i antimikrobnaja himioterapija. 2016;18(3):200-211. Russian. (Арепьева М.А., Колбин А.С., Сидоренко С.В. и соавт. Математическая модель прогнозирования развития бактериальной резистентности, построенная на основе зависимости между уровнем резистентности и объемом потребления антибиотиков. Клиническая микробиология и антимикробная химиотерапия. 2016;18(3):200-211.).
  • 6. Arepeva M.A, Kolbin A.S, Sidorenko S.V, et al. A mathematical Model for Predicting the Development of Bacterial Resistance Based on the Relationship between the Level of Antimicrobial Resistance and the Volume of Antibiotic Consumption. J Glob Antimicrob Resist. 2017;8:148-156.
  • 7. Kolbin A., Sidorenko S., Balykina Yu. The social and economic issues of acquired bacterial resistance. Klinicheskaja farmakologija i terapija. 2010;19(5):16-22. Russian. (Колбин А.С., Сидоренко С.В., Балыкина Ю.Е. Социально-экономические аспекты приобретенной бактериальной резистентности. Клиническая фармакология и терапия. 2010;19(5):16-22.).
  • 8. Аrеpeva М.А., Prasolov A.V., Svirkin M.V., et al. Mathematical model of calculation of resistance to antibiotics. Vestnik of Saint Petersburg University. 2011;11(2):101-114. Russian. (Арепьева М.А., Прасолов А.В., Свиркин М.В. и соавт. Математическая модель расчета приобретенной антибиотикорезистентности. Вестник СПбГУ. 2011;11(2):101-114.).
  • 9. Alawieh A., Sabra Z., Bizri A.R., et al. A computational model to monitor and predict trends in bacterial resistance. J Glob Antimicrob Resist. 2015;3(3):174-183.
  • 10. Brown E.M., Nathwani В. Antibiotic cycling or rotation: a systematic review of the evidence of efficacy. J Antimicrob Chemother. 2005;55(1):6-9.
  • 11. Available at: www.who.int/medicines/areas/quality_safety/safety_efficacy/utilization/en/
Просмотров
0 Аннотация
0 PDF
0 Цитирования
Поделились