为什么医院的抗生素管理策略在抑制耐药性方面收效甚微

随着抗生素耐药性的惊人增长，医生越来越多地不得不求助于最后的抗生素来挽救病人，医院是否有更好的方法来管理抗生素治疗方案?

一代人之前，人们采用了两种抗生素策略，即循环和混合，以战胜细菌。循环就像抗生素作物轮作，某些类别的抗生素在一段时间内被停用。医生认为这可以对抗耐药性，因为细菌病原体会因为耐药生活方式的成本而失去抵抗治疗的能力。这种混合策略源于当时的计算机预测和流行病学模型，它被认为可以减少耐药性，因为在适当的类别内随机给患者分配抗生素，会给细菌提供尽可能快的移动目标。

根据一项新研究的分析，在现实中，这两种策略都不起作用分子生物学与进化．数学家Robert Beardmore, Rafael Pena-Miller, Fabio Gori和临床医生Jon Iredell的理论工作可能有助于解释为什么最近临床试验比如土星项目——明确设计用于解决目前高度争议的问题(抗生素循环vs混合)——可能不会起作用。在土星项目，研究人员得出结论，在患病率方面没有统计学上的显著差异抗生素耐药性在混合和循环干预期间。

该团队已经证明，“即使在使用数学模型的标准化问题上，也不可能确定循环或混合是对抗耐药病原体的最佳选择，更不用说在临床中了，”主要作者罗伯特·比尔德莫尔(Robert Beardmore)说。

相反，在MBE的研究中，由临床科学家和数学家组成的国际团队推荐了其他策略，比如“反应性循环”，他们已经证明，在他们测试的所有计算模型中，“反应性循环”的效果优于循环和混合。

他们的研究结果可能会对未来的临床试验产生深远的影响。Beardmore教授说:“从数学上讲，在这项研究的早期，很明显，抗生素混合不是向患者分配抗生素的最佳方式，但这是一些临床医生所相信的。”“但考虑到数学思想的复杂性，沟通起来很困难。最后，真正的数学优化不过是常识:尽快将正确的药物提供给正确的患者。”

Gori博士补充说:“以前的研究没有看到这一点，因为他们过度依赖计算机模拟，没有描绘出抗生素优化问题的全貌。当我们使用太空竞赛时代开发的分析技术来解决优化问题时，一些新的解决方案从分析中消失了。”

他们建议，个体化治疗，包括病原体特异性和患者特异性，可能是适当优化抗生素使用的必要条件。通过使用计算机模型来研究不同的个性化医疗场景，他们提倡使用基于分子特征或血液培养快速诊断感染病原体的设备。”

合著者Pena-Miller说:“很明显，信息丰富的个性化方案在数学模型中优于抗生素循环和混合，但即使是这个结论也可能取决于微妙的模型环境。”

“例如，在世界末日的情况下，多药耐药是地方病，并且在患者开始治疗之前存在于每次感染中，对患者进行哪种治疗无关紧要。但在这种严峻的情况出现之前，针对尽可能多的人进行适当的治疗，比混合和循环都要好。”

Iredell教授补充说:“个性化医疗正在迅速成为现实，在护理点的临床测试的可用性急剧增加。在严重感染中使用抗生素仍然是医学中最有效的干预措施之一，明智地使用抗生素。抗生素对于优化患者的即时结果和保持长期效益至关重要。”

---

---