Novel Framework (Target Trial Emulation) in Observational Causal Inference Research Based on Real-world Data and Its Application Prospects in Traditional Chinese Medicine
-
摘要: “目标试验模拟”(target trial emulation)作为一种新的真实世界研究框架在近年来被正式确立,其可用于指导基于真实世界数据开展观察性因果推断研究,继而进行医疗干预有效性和安全性评价。该框架的核心思想是参照随机对照试验的原则,利用真实世界数据模拟相应的随机对照试验,进而得出干预措施与临床结局间因果关联的结论。其主要实施要点可总结为“3-7-2”,即声明因果问题、制订模拟方案和模拟目标研究3个实施步骤,纳排标准、治疗策略、干预分配、随访期、结局指标、因果比较和分析计划7个设计要素,对永恒时间偏倚和现用药者偏倚2个关键偏倚的控制。本文通过对该框架的历史与现状、实施要点、经典案例、优势与局限性及其在中医药领域中的应用前景进行概述,以期帮助中医药学者开展中医药真实世界研究,并为构建具有中医药特色的临床评价体系提供新思路。Abstract: "Target trial emulation" (TTE), as a new framework in real-world research, has been formally established in recent years. It can be used to guide the evaluation of the effectiveness and safety of medical interventions based on real-world data for observational causal inference. The core idea of this framework is to follow the principles of randomized controlled trial (RCT), emulate a corresponding RCT using real-world data, and then draw conclusions about the causal relationship between interventions and outcomes. The main implementation tips of TTE can be summarized as "3-7-2": 3 implementation steps including formulating the causal question, designing the emulation plan, and emulating the target study; 7 design elements including eligibility criteria, treatment strategies, intervention allocation, follow-up period, outcome, causal contrast of interest, and analysis plan; and control of 2 critical biases including immortal time bias and prevalent user bias. In this article, we present an overview of the development, current status, implementation steps, classic examples, advantages and limitations of TTE, and its application prospects in traditional Chinese medicine (TCM). It is hoped that this article can assist researchers in TCM to utilize this method for real-world research and contribute to the construction of a clinical evaluation system with distinctive features of TCM.
-
幽门螺杆菌(Helicobacter pylori, Hp) 与多种胃肠疾病及胃肠外疾病的发生发展存在密切联系[1]。学界普遍认为根除Hp是预防胃癌的有效措施,对于胃癌高风险患者,建议进行Hp筛查和根除[2-3]。目前Hp感染者经验性治疗的根除率呈下降趋势,且未得到有效遏制[4],其重要原因之一为抗菌药物耐药。反复进行Hp根除,一方面增加了药物不良反应发生风险,另一方面亦可加剧耐药菌株的产生[5]。
通过菌株培养及分子生物学检测菌株耐药性可为Hp根除方案的制订提供重要依据,但菌株培养多需结合侵入性检查且存在培养周期长的局限性,而分子生物学检测的部分耐药基因突变位点与实际耐药表型并不一致[6]。多数首次进行Hp根除治疗的患者拒绝药敏检测,而倾向于采用经验性疗法进行杀菌,增加了临床为患者提供个性化根除方案的难度,并可能导致根除失败。因此,探寻除药敏和耐药基因检测以外的因素,综合判断患者耐药风险,有助于Hp根除方案的制订。患者自身因素,如生活方式、饮食习惯、依从性可在一定程度上影响Hp根除成功率[7],且存在地区、人群差异。本研究旨在通过分析苏州地区人群调查数据,了解Hp菌株耐药现状,并多维度分析影响菌株耐药性的宿主因素,以期为临床在制订经验性Hp根除方案时提供参考,进而提高根除成功率,避免反复治疗失败造成的负面影响。
1. 资料与方法
1.1 研究对象
本研究为横断面研究,连续招募2021年11月—2023年10月于南京医科大学附属苏州医院就诊的Hp感染患者为研究对象。纳入标准:(1)行胃镜检查并活检获取Hp菌株;(2)年龄18~80岁;(3)13C/14C尿素呼气试验阳性;(4)Hp菌株培养阳性且完善药敏试验者。排除标准:(1) 既往有上消化道手术史;(2)4周内服用质子泵抑制剂、钾离子竞争性酸阻滞剂、铋剂、H2受体拮抗剂、抗菌药物、具有抑菌作用的中药者;(3)妊娠期或哺乳期妇女;(4)无法配合相关资料填写或失访者。
本研究已通过南京医科大学附属苏州医院伦理审查委员会审批(审批号:K-2021-GSKY20210401),并于国家医学研究登记备案信息系统备案,所有研究对象均知情同意。
1.2 研究方法
1.2.1 患者资料收集
通过电子病历和问卷收集患者基本资料、生活方式、饮食习惯、健康状况的指标作为影响因素进行菌株耐药性分析,最终纳入19项因素包括年龄、家庭饮用水来源、饮食史(腌肉、咸菜、油炸/烟熏/烧烤、坚果、禽类、酸奶、新鲜鸡蛋、牛奶、水产品食用频率)、吸烟史、饮酒史、饮茶史、既往Hp根除史、近3个月非抗菌药物用药史、消化不良症状、一级亲属恶性肿瘤史、动物饲养情况。其中吸烟的定义为每天至少吸1支烟且保持6个月以上或戒烟不足15年,否则视为不吸烟。饮酒的定义为每周至少饮酒1次且保持1年以上,否则视为不饮酒。电子问卷系统中对所需收集的信息均附有详细解释说明,避免患者理解有误。
1.2.2 药敏检测
经内镜分别于胃窦、胃体处各取2块黏膜组织,研磨后将组织液接种于哥伦比亚血琼脂基础培养基,加入Hp选择性添加剂,于37 ℃微需氧条件(5% O2、10% CO2、85% N2)培养1~7 d。采用K-B纸片琼脂扩散法测定菌株对克拉霉素、左氧氟沙星、阿莫西林、呋喃唑酮、四环素、甲硝唑6种抗菌药物的耐药率。药敏结果判断参考欧洲药敏试验委员会(European Committee on Antimicrobial Susceptibility Testing, EUCAST)制定的标准[8]。
1.2.3 病理检查
内镜下另取胃窦及胃体黏膜活检标本各1块,立即置于3.7%中性缓冲甲醛液中,固定12 h后,送病理检查。根据《慢性胃炎及上皮性肿瘤胃黏膜活检病理诊断共识》[9]判断胃黏膜病理组织学损伤严重程度。
1.3 样本量估算
文献报道,我国人群Hp对左氧氟沙星、克拉霉素的耐药率约为50%[10]。根据公式n=(Z1-α/2/δ)2P(1-P)进行样本量估算,其中P=0.5,α=0.05,Z(1-α/2)=1.96,δ=0.1。经估算,所需最低样本约97例。
1.4 统计学处理
采用SPSS 27.0软件进行统计学分析。年龄为正态分布计量资料,以均数±标准差表示,并在菌株耐药性分析时转化为分类变量。家庭饮用水来源、吸烟史、饮酒史、饮茶史、Hp根除史、近3个月非抗菌药物用药史、消化不良症状、一级亲属恶性肿瘤史、动物饲养情况等计数资料,以频数(百分数)表示,组间比较采用卡方检验。各类食物食用频率的组间比较采用Mann-Whitney U非参数检验。采用非条件Logistic回归模型分析菌株耐药性的影响因素。以P<0.05为差异具有统计学意义。
2. 结果
2.1 一般临床资料
共入选符合纳入与排除标准的Hp感染患者115例(Hp菌株115株),均为汉族,男性53例(46.09%)、女性62例(53.91%),平均年龄(45.16±13.39)岁;胃镜病理:浅表性胃炎86例(74.78%),萎缩性胃炎6例(5.22%),肠上皮化生14例(12.17%),低级别上皮内瘤变6例(5.22%),高级别上皮内瘤变/胃癌3例(2.61%)。
2.2 菌株耐药情况
Hp菌株对抗菌药物的耐药率由高至低分别为甲硝唑(91.30%,105/115)、左氧氟沙星(53.04%,61/115)、克拉霉素(51.30%,59/115),未发现对阿莫西林、呋喃唑酮、四环素耐药菌株。双重耐药:左氧氟沙星+甲硝唑双重耐药率为50.43%(58/115),克拉霉素+甲硝唑双重耐药率为47.83%(55/115),克拉霉素+左氧氟沙星双重耐药率为36.52%(42/115)。多重耐药:克拉霉素+左氧氟沙星+甲硝唑三重耐药率为34.78%(40/115)。
2.3 Hp菌株耐药危险因素分析
由于91.30%菌株对甲硝唑耐药,8.70%为中介,无敏感菌株,故本研究主要针对克拉霉素和左氧氟沙星进行耐药危险因素分析,并在后续分析时将药敏检测为“中介”也认定为“耐药”。
单因素分析显示,家庭饮用水来源(P=0.024),腌肉(P=0.043)、咸菜(P=0.049)、坚果(P=0.045)食用频率,既往Hp根除史(P<0.001)在克拉霉素敏感与耐药患者之间分布存在统计学差异。年龄(P<0.001),油炸/烟熏/烧烤(P=0.025)食用频率,既往Hp根除史(P=0.021)在左氧氟沙星敏感与耐药患者之间分布存在统计学差异。年龄(P=0.009),油炸/烟熏/烧烤(P=0.025)、禽类(P=0.006)食用频率,既往Hp根除史(P<0.001)在克拉霉素+左氧氟沙星双重耐药与非双重耐药患者之间存在统计学差异,见表 1。
表 1 克拉霉素、左氧氟沙星单药耐药及双重耐药影响因素的单因素分析[n(%)]Table 1. Univariate analysis of factors affecting clarithromycin and levofloxacin mono-resistance and dual-resistance [n(%)]因素 克拉霉素 P值 左氧氟沙星 P值 克拉霉素+左氧氟沙星 P值 敏感(n=39) 耐药(n=76) 敏感(n=47) 耐药(n=68) 非双重耐药(n=62) 双重耐药(n=53) 年龄(岁) 0.593 <0.001 0.009 19~29 6(15.38) 10(13.16) 11(23.40) 5(7.35) 12(19.35) 4(7.55) 30~39 10(25.64) 17(22.37) 14(29.79) 13(19.12) 18(29.03) 9(16.98) 40~49 11(28.21) 17(22.37) 12(25.53) 16(23.53) 15(24.19) 13(24.53) 50~59 4(10.26) 22(28.95) 6(12.77) 20(29.41) 8(12.90) 18(33.96) 60~80 8(20.51) 10(13.16) 4(8.51) 14(20.59) 9(14.52) 9(16.98) 家庭饮用水来源 0.024 0.696 0.466 纯净水 16(41.03) 16(21.05) 14(29.79) 18(26.47) 19(30.65) 13(24.53) 自来水 23(58.97) 60(78.95) 33(70.21) 50(73.53) 43(69.35) 40(75.47) 腌肉食用频率 0.043 0.716 0.718 从不食用 5(12.82) 26(34.21) 12(25.53) 19(27.94) 14(22.58) 17(32.08) <1次/月 21(53.85) 31(40.79) 24(51.06) 28(41.18) 32(51.61) 20(37.74) ≥1次/月 13(33.33) 19(25.00) 11(23.40) 21(30.88) 16(25.81) 16(30.19) 咸菜食用频率 0.049 0.668 0.286 从不食用 4(10.26) 26(34.21) 11(23.40) 19(27.94) 12(19.35) 18(33.96) <1次/月 16(41.03) 23(30.26) 16(34.04) 23(33.82) 23(37.10) 16(30.19) 1~3次/月 14(35.90) 16(21.05) 14(29.79) 16(23.53) 20(32.26) 10(18.87) >3次/月 5(12.82) 11(14.47) 6(12.77) 10(14.71) 7(11.29) 9(16.98) 油炸/烟熏/烧烤食用频率 0.079 0.025 0.025 从不食用 3(7.69) 19(25.00) 4(8.51) 18(26.47) 6(9.68) 16(30.19) <1次/月 11(28.21) 18(23.68) 12(25.53) 17(25.00) 17(27.42) 12(22.64) ≥1次/月 25(64.10) 39(51.32) 31(65.96) 33(48.53) 39(62.90) 25(47.17) 坚果食用频率 0.045 0.433 0.130 0~1次/月 22(56.41) 29(38.16) 22(46.81) 29(42.65) 31(50.00) 20(37.74) 1~3次/月 11(28.21) 25(32.89) 16(34.04) 20(29.41) 19(30.65) 17(32.08) >3次/月 6(15.38) 22(28.95) 9(19.15) 19(27.94) 12(19.35) 16(30.19) 禽类食用频率 0.091 0.337 0.006 0~3次/月 6(15.38) 23(30.26) 8(17.02) 21(30.88) 9(14.52) 20(37.74) 1~2次/周 16(41.03) 28(36.84) 21(44.68) 23(33.82) 25(40.32) 19(35.85) 3~4次/周 9(23.08) 15(19.74) 11(23.40) 13(19.12) 16(25.81) 8(15.09) >4次/周 8(20.51) 10(13.16) 7(14.89) 11(16.18) 12(19.35) 6(11.32) 酸奶食用频率 0.286 0.906 0.995 <1次/月 9(23.08) 17(22.37) 9(19.15) 17(25.00) 28(45.16) 18(33.96) 1~3次/月 16(41.03) 31(40.79) 19(40.43) 28(41.17) 8(12.90) 19(35.85) >3次/月 14(35.90) 28(36.84) 19(40.43) 23(33.82) 26(41.94) 16(30.19) 新鲜鸡蛋食用频率 0.311 0.070 0.607 ≤3次/月 1(2.56) 5(6.58) 4(8.51) 2(2.94) 4(6.45) 2(3.77) 1~6次/周 13(33.33) 29(38.16) 20(42.55) 22(32.35) 23(37.10) 19(35.85) >6次/周 25(64.10) 42(55.26) 23(48.94) 44(64.71) 35(56.45) 32(60.38) 牛奶食用频率 0.258 0.062 0.172 从不食用 12(30.77) 11(14.47) 12(25.53) 11(16.18) 16(25.81) 7(13.21) 1~3次/月 8(20.51) 21(27.63) 14(29.79) 15(22.06) 16(25.81) 13(24.53) 1~4次/周 8(20.51) 22(28.95) 11(23.40) 19(27.94) 13(20.97) 17(32.08) >4次/周 11(28.21) 22(28.95) 10(21.28) 23(33.82) 17(27.42) 16(30.19) 水产品食用频率 0.122 0.751 0.255 0~3次/月 5(12.82) 23(30.26) 8(17.02) 20(29.41) 10(16.13) 18(33.96) 1~2次/周 19(48.72) 29(38.16) 25(53.19) 23(33.82) 31(50.00) 17(32.08) 3~4次/周 10(25.64) 16(21.05) 9(19.15) 17(25.00) 14(22.58) 12(22.64) >4次/周 5(12.82) 8(10.53) 5(10.64) 8(11.76) 7(11.29) 6(11.32) 吸烟史 0.695 0.643 0.845 无 29(74.36) 59(77.63) 37(78.72) 51(75.00) 47(75.81) 41(77.36) 有 10(25.64) 17(22.37) 10(21.28) 17(25.00) 15(24.19) 12(22.64) 饮酒史 0.964 0.384 0.369 无 35(89.74) 68(89.47) 44(93.62) 59(86.76) 57(91.94) 46(86.79) 有 4(10.26) 8(10.53) 3(6.38) 9(13.24) 5(8.06) 7(13.21) 饮茶史 0.584 0.847 0.507 <1次/周 24(61.54) 49(64.47) 30(63.83) 43(63.24) 39(62.90) 34(64.15) ≥1次/周 15(38.46) 27(35.53) 17(36.17) 25(36.76) 23(37.10) 19(35.85) 既往Hp根除史 <0.001 0.021 <0.001 无 37(94.87) 29(38.16) 33(70.21) 33(48.53) 46(70.21) 20(48.53) 有 2(5.13) 47(61.84) 14(29.79) 35(51.47) 16(29.79) 33(51.47) 近3月非抗菌药物用药史 0.879 0.992 0.592 无 17(43.59) 32(42.11) 20(42.55) 29(42.65) 25(40.32) 24(45.28) 有 22(56.41) 44(57.89) 27(57.45) 39(57.35) 37(59.68) 29(54.72) 消化不良症状 0.429 0.673 0.762 无 21(53.85) 35(46.05) 24(51.06) 32(47.06) 31(50.00) 25(47.17) 有 18(46.15) 41(53.95) 23(48.94) 36(52.94) 31(50.00) 28(52.83) 一级亲属恶性肿瘤史 0.509 0.775 0.166 无 27(69.23) 57(75.00) 35(74.47) 49(72.06) 42(67.74) 42(79.25) 有 12(30.77) 19(25.00) 12(25.53) 19(27.94) 20(32.26) 11(20.75) 动物饲养 0.166 0.379 0.755 无 25(64.10) 58(76.32) 36(76.60) 47(69.12) 44(70.97) 39(73.58) 有 14(35.90) 18(23.68) 11(23.40) 21(30.88) 18(29.03) 14(26.42) Hp (Helicobacter pylori):幽门螺杆菌 为纳入更多自变量,并结合临床实践,将单因素分析中P<0.1的指标纳入多因素Logistic回归分析,结果显示,既往Hp根除史(OR=74.782, 95% CI: 10.377~538.886,P<0.001)、家庭饮用水来源为自来水(OR=4.919,95% CI: 1.160~20.859, P=0.031)可增加菌株对克拉霉素的耐药风险,年龄≥50岁可增加菌株对左氧氟沙星的耐药风险(OR=4.261, 95% CI: 1.420~12.785,P=0.010),既往Hp根除史(OR=5.855, 95% CI: 2.209~15.517, P<0.001)、年龄40~59岁(OR=3.269, 95% CI: 1.254~ 8.520,P=0.015)可增加菌株对克拉霉素+左氧氟沙星双重耐药风险,见表 2。
表 2 克拉霉素、左氧氟沙星单药及双重耐药危险因素的多因素Logistic回归分析Table 2. Multivariate Logistic regression analysis of risk factors for clarithromycin and levofloxacin mono-resistance and dual-resistance抗菌药物 影响因素 β SE Wald OR(95% CI) P值 克拉霉素 家庭饮用水来源为自来水(以纯净水为参照) 1.593 0.737 4.673 4.919(1.160~20.859) 0.031 腌肉食用频率(以从不食用为参照) <1次/月 -0.282 0.847 0.111 0.754(0.143~3.965) 0.739 ≥1次/月 0.296 0.966 0.094 1.344(0.202~8.923) 0.759 咸菜食用频率(以从不食用为参照) <1次/月 -1.754 0.987 3.158 0.173(0.025~1.198) 0.076 1~3次/月 -1.608 0.991 2.636 0.200(0.029~1.396) 0.104 >3次/月 -0.787 1.118 0.495 0.455(0.051~4.075) 0.482 油炸/烟熏/烧烤食用频率(以从不食用为参照) <1次/月 -1.002 1.098 0.833 0.367(0.043~3.158) 0.361 ≥1次/月 -0.749 1.008 0.552 0.473(0.066~3.409) 0.458 坚果食用频率(以0~1次/月为参照) 1~3次/月 1.263 0.689 3.363 3.537(0.917~13.649) 0.067 >3次/月 0.766 0.782 0.961 2.152(0.465~9.956) 0.327 禽类食用频率(以0~3次/月为参照) 1~2次/周 -1.583 0.829 3.640 0.205(0.040~1.044) 0.056 3~4次/周 -0.460 0.867 0.281 0.631(0.115~3.455) 0.596 >4次/周 0.436 0.921 0.224 1.546(0.254~9.409) 0.636 既往Hp根除史(以无为参照) 4.315 1.008 18.334 74.782(10.377~538.886) <0.001 左氧氟沙星 年龄(以19~29岁为参照) 30~39岁 0.759 0.740 1.053 2.137(0.501~9.113) 0.305 40~49岁 1.410 0.732 3.707 4.097(0.975~17.216) 0.054 50~59岁 2.308 0.850 7.374 10.057(1.901~53.218) 0.007 60~80岁 2.526 0.964 6.868 12.499(1.890~82.640) 0.009 新鲜鸡蛋食用频率(以≤3次/月为参照) 1~6次/周 1.036 1.087 0.908 2.817(0.335~23.723) 0.341 >6次/周 1.479 1.093 1.831 4.388(0.515~37.377) 0.176 油炸/烟熏/烧烤食用频率(以从不食用为参照) <1次/月 -1.148 0.774 2.200 0.317(0.070~1.446) 0.138 ≥1次/月 -0.718 0.785 0.835 0.488(0.105~2.274) 0.361 牛奶食用频率(以从不食用为参照) 1~3次/月 0.127 0.673 0.036 1.135(0.304~4.245) 0.850 1~4次/周 1.103 0.681 2.626 3.013(0.794~11.437) 0.105 >4次/周 0.996 0.673 2.190 2.708(0.724~10.134) 0.139 既往Hp根除史(以无为参照) 0.909 0.481 3.569 2.482(0.966~6.376) 0.059 克拉霉素+左氧氟沙星 年龄(以19~29岁为参照) 30~39岁 0.901 0.832 1.173 2.463(0.482~12.586) 0.279 40~49岁 1.714 0.814 4.434 5.550(1.126~27.351) 0.035 50~59岁 2.385 0.894 7.124 10.862(1.885~62.604) 0.008 60~80岁 1.383 0.954 2.101 3.986(0.614~25.862) 0.147 油炸/烟熏/烧烤食用频率(以从不食用为参照) <1次/月 -1.339 0.727 3.391 0.262(0.063~1.090) 0.066 ≥1次/月 -0.648 0.733 0.782 0.523(0.124~2.201) 0.377 禽类食用频率(以0~3次/月为参照) 1~2次/周 -1.207 0.602 4.028 0.299(0.092~0.972) 0.045 3~4次/周 -0.995 0.681 2.134 0.370(0.097~1.405) 0.144 >4次/周 -0.784 0.756 1.076 0.457(0.104~2.008) 0.300 既往Hp根除史(以无为参照) 1.767 0.497 12.629 5.855(2.209~15.517) <0.001 Hp:同表 1 3. 讨论
本研究基于南京医科大学附属苏州医院115例Hp感染患者的临床资料,横断面调查了菌株对常见抗菌药物的耐药性,并分析了影响菌株耐药性的宿主因素。结果显示,Hp菌株对甲硝唑的耐药率最高(91.30%),其次为左氧氟沙星(53.04%)和克拉霉素(51.30%),未发现对阿莫西林、呋喃唑酮、四环素耐药菌株。双重耐药方面,以左氧氟沙星+甲硝唑双重耐药率最高(50.43%),其次为克拉霉素+甲硝唑双重耐药(47.83%)。多重耐药方面,克拉霉素+左氧氟沙星+甲硝唑三重耐药率为34.78%。多因素Logistic回归分析显示,既往Hp根除史、家庭饮用水来源、年龄可能与克拉霉素、左氧氟沙星单药或双重耐药具有相关性。
目前国际上普遍认为Hp的目标根除率至少为85%,但实际临床实践中由于诸多条件的制约可能无法达到预期,其中的重要原因为菌株对抗菌药物产生耐药[7]。研究显示,反复杀菌失败可导致菌株耐药性随之升高[11],而提高首次根除成功率有助于缓解Hp耐药升高趋势。由于设备条件、成本效益、患者接受度等因素限制了微生物学检测和分子生物学检测的广泛应用,因此,探寻菌株耐药性及其可能的风险因素,对于制订个体化根除方案具有重要意义。2010年一项针对苏州地区Hp感染者的调查显示[12],对甲硝唑耐药的现象较为普遍(75.5%),余常见抗菌药物中,除克拉霉素的耐药率为19.4%外,其他药物的耐药率均低于10%。2013年一项针对我国东南沿海地区人群的调查表明,Hp菌株对甲硝唑耐药率最高(95.4%),其次为克拉霉素(21.5%)和左氧氟沙星(20.6%),而对阿莫西林、庆大霉素、呋喃唑酮的耐药率较低(均为0.1%),双重、三重和四重耐药率分别为25.5%、7.5%和0.1%[13]。本研究结果显示,Hp菌株对甲硝唑、左氧氟沙星、克拉霉素的耐药率依次为91.30%、53.04%、51.30%,未发现对阿莫西林、呋喃唑酮、四环素耐药菌株。结合文献数据可知,苏州地区Hp感染患者菌株对甲硝唑耐药现象极为严重,且近年来未见缓解趋势,与此同时对左氧氟沙星、克拉霉素耐药现象呈明显升高趋势,且双重/多重耐药日益凸显,提示苏州地区Hp感染患者在进行Hp根除时,应谨慎选取甲硝唑、左氧氟沙星、克拉霉素作为抗菌药物,以免根除失败。
宿主因素一定程度上可影响抗菌药物的疗效,进而影响根除效果,因此了解来自患者方面的耐药风险因素,有助于制订个体化精准治疗方案。克拉霉素属于大环内酯类抗生素,临床多用于治疗呼吸道感染。本研究结果显示,各年龄段Hp感染者对克拉霉素的耐药率普遍较高,可能与近年来呼吸道疾病频发,该药物使用较为广泛有关。多因素Logistic回归分析显示,既往有Hp根除史可增加菌株对克拉霉素耐药的风险,与Lyu等[14]的研究结果一致。此外,既往文献[15-16]报道,与根除Hp无关的抗菌药物使用史也可增加菌株对克拉霉素耐药的风险。临床指南指出,对于首次根除失败的Hp感染患者,仅建议在克拉霉素耐药率较低(<15%) 的区域内再次使用含克拉霉素的根除疗法[6]。因此,既往频繁使用抗菌药物和复治性Hp感染患者,应尽量避免使用含克拉霉素的根除方案。
本研究结果提示,饮用水来源也可能对克拉霉素耐药性产生潜在影响,日常饮用自来水(未经家庭终端净水设备处理)的Hp感染患者中72.29%对克拉霉素耐药,而饮用纯净水的患者有50.00%对克拉霉素耐药(P=0.024)。苏州市的饮用水水源主要来自太湖,另外包括长江及阳澄湖、尚湖、傀儡湖等,而近期一项针对江苏省水源抗生素污染情况的调查显示,太湖水样中共检出7种抗生素,检出率为大环内酯类>喹诺酮类>青霉素类>磺胺类;长江水样中红霉素检出浓度最高,达36.241 ng/L[17]。水源中抗生素残留可能会诱导Hp耐药性产生。随着抗菌药物的不规范使用,包括水产养殖、农业、畜牧业、医疗保健、企业工厂等相关单位的废水排放,抗菌药物残留及抗性基因可能会在环境中蓄积并污染水源[18],通过常规净水工艺难以完全清除,并可在食物链中传递[19-20],进而通过不同途径影响人类。韩国一项针对鱼类养殖场水质的研究显示,投喂30 min后,养鱼场出水样本中的抗菌药物耐药基因丰度是投喂前的5倍,是入水样本的12倍[21]。推测耐药基因可在水中蓄积,并最终影响人类对抗菌药物的敏感性。本研究未发现水产品食用频率与左氧氟沙星及克拉霉素+左氧氟沙星双重耐药存在明显关联,考虑与未严格区分水产品来源相关,如河鲜与海鲜,人工养殖与野生生长。如抗菌药物不规范使用现象得不到有效遏制,环境污染因素将会在全球抗菌药物耐药性增长中扮演更加重要的角色[22],需深入分析其驱动机制,加强监督管控,并制订应对措施。
左氧氟沙星通过阻碍细菌核酸的合成进而发挥抗菌作用,是临床使用最为广泛的广谱抗菌药物之一。本研究单因素分析结果显示,Hp菌株对左氧氟沙星的耐药率在不同年龄组之间存有统计学差异,且多因素分析显示,年龄≥50岁可增加Hp感染患者菌株对左氧氟沙星的耐药风险(P=0.010),与梅浩[23]等研究认为40岁以上患者对左氧氟沙星的耐药率明显升高的观点基本一致。分析原因:左氧氟沙星常用于尿路感染的治疗,随年龄增长,上述疾病发生率增高,需进行相关治疗的风险增大,因此耐药现象更严重。针对北京地区人群的一项研究显示,克拉霉素、左氧氟沙星、甲硝唑耐药率在根除治疗一次后即可出现明显上升,而在根除治疗2~3次后耐药率可达100%[24],且随既往根除次数增多,双重或多重耐药率显著增加。本研究显示,既往Hp根除史、年龄40~59岁可增加Hp感染患者菌株对克拉霉素+左氧氟沙星双重耐药风险,结合上述针对左氧氟沙星耐药率分析结果,建议40岁以上Hp感染患者,尤其非首次根除治疗者,避免使用克拉霉素+左氧氟沙星的组合。如有条件,建议进行药敏检测,选用敏感抗生素进行根除治疗,以增加杀菌成功率,并减少耐药菌株产生。
本研究局限性:(1)研究对象均为就诊于南京医科大学附属苏州医院的患者,可能导致分析结果存在偏倚;(2)为横断面调查,无法对菌株的耐药趋势进行精准分析;(3)通过问卷收集患者的生活方式和饮食习惯、个人史等信息,可能存在一定的回忆偏倚。
综上所述,本研究结合Hp感染患者人口学资料、生活方式、饮食习惯、健康状况,多角度考量了宿主因素对Hp菌株耐药性的影响。结果显示,南京医科大学附属苏州医院Hp感染患者分离培养的菌株对甲硝唑、左氧氟沙星、克拉霉素的耐药率较高,且双重耐药、多重耐药现象突出。有既往Hp根除史、家庭饮用水来源为自来水的患者对克拉霉素的耐药风险显著增加,年龄≥50岁患者对左氧氟沙星的耐药风险增加,有既往Hp根除史、40~59岁患者对克拉霉素+左氧氟沙星双重耐药的风险增加。临床工作者应结合耐药性分析结果,个体化制订Hp根除方案,以提高经验性杀菌尤其是首次杀菌的成功率,并根据需要筛选有必要进行药敏检测的目标人群,以期在实现有效根除Hp的同时,减轻患者医疗负担,缓解抗菌药物耐药趋势,促进医疗资源的合理配置。
作者贡献:卢存存负责查阅资料、论文撰写;陈子佳负责论文修订;王志飞负责论文修订与审校。利益冲突:所有作者均声明不存在利益冲突 -
[1] 马忠贵, 徐晓晗, 刘雪儿. 因果推断三种分析框架及其应用综述[J]. 工程科学学报, 2022, 44(7): 1231-1243. https://www.cnki.com.cn/Article/CJFDTOTAL-BJKD202207013.htm Ma Z G, Xu X H, Liu X E. Three analytical frameworks of causal inference and their applications[J]. Chin J Eng, 2022, 44(7): 1231-1243. https://www.cnki.com.cn/Article/CJFDTOTAL-BJKD202207013.htm
[2] 任国强, 王于丹, 周云波. 科学研究中因果推断的方法、应用与展望——以个体健康研究为例[J]. 人口与经济, 2022(2): 1-25. https://www.cnki.com.cn/Article/CJFDTOTAL-RKJJ202202001.htm Ren G Q, Wang Y D, Zhou Y B. Methods, applications and prospects of causal inference in scientific research: a study of individual health research[J]. Popul Econ, 2022(2): 1-25. https://www.cnki.com.cn/Article/CJFDTOTAL-RKJJ202202001.htm
[3] 卢存存, 陈子佳, 张强, 等. 基于真实世界数据的目标试验模拟研究: 现状与展望[J]. 中国循证医学杂志, 2023, 23(4): 492-496. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZXZ202304011.htm Lu C C, Chen Z J, Zhang Q, et al. Target trial emulation study based on real world data: status quo and prospect[J]. Chin J Evid Based Med, 2023, 23(4): 492-496. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZXZ202304011.htm
[4] 谢朝荣, 陶庆锋, 胡缤予, 等. 孟德尔随机化研究及其在中医药领域的应用展望[J]. 中医杂志, 2023, 64(5): 438-442. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZYZ202305002.htm Xie C R, Tao Q F, Hu B Y, et al. Mendelian randomization and its application in traditional Chinese medicine[J]. J Tradit Chin Med, 2023, 64(5): 438-442. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZYZ202305002.htm
[5] Schuler M S, Rose S. Targeted maximum likelihood estima-tion for causal inference in observational studies[J]. Am J Epidemiol, 2017, 185(1): 65-73. DOI: 10.1093/aje/kww165
[6] Hernán M A, Robins J M. Causal inference: what if[M]. Boca Raton: Chapman & Hall/CRC, 2020.
[7] Thomas L E, Li F, Pencina M J. Overlap weighting: a propensity score method that mimics attributes of a randomized clinical trial[J]. JAMA, 2020, 323(23): 2417-2418. DOI: 10.1001/jama.2020.7819
[8] Franklin J M, Glynn R J, Martin D, et al. Evaluating the use of nonrandomized real-world data analyses for regulatory decision making[J]. Clin Pharmacol Ther, 2019, 105(4): 867-877. DOI: 10.1002/cpt.1351
[9] Zhao S S, Lyu H, Solomon D H, et al. Improving rheuma-toid arthritis comparative effectiveness research through causal inference principles: systematic review using a target trial emulation framework[J]. Ann Rheum Dis, 2020, 79(7): 883-890. DOI: 10.1136/annrheumdis-2020-217200
[10] Bykov K, Patorno E, D'Andrea E, et al. Prevalence of avoidable and bias-inflicting methodological pitfalls in real-world studies of medication safety and effectiveness[J]. Clin Pharmacol Ther, 2022, 111(1): 209-217. DOI: 10.1002/cpt.2364
[11] Hansford H J, Cashin A G, Jones M D, et al. Reporting of observational studies explicitly aiming to emulate randomized trials: a systematic review[J]. JAMA Netw Open, 2023, 6(9): e2336023. DOI: 10.1001/jamanetworkopen.2023.36023
[12] Murray E J, Marshall B D L, Buchanan A L. Emulating target trials to improve causal inference from Agent-Based models[J]. Am J Epidemiol, 2021, 190(8): 1652-1658. DOI: 10.1093/aje/kwab040
[13] Hernán M A, Robins J M. Using big data to emulate a target trial when a randomized trial is not available[J]. Am J Epidemiol, 2016, 183(8): 758-764. DOI: 10.1093/aje/kwv254
[14] Fu E L. Target trial emulation to improve causal inference from observational data: what, why, and how?[J]. J Am Soc Nephrol, 2023, 34(8): 1305-1314. DOI: 10.1681/ASN.0000000000000152
[15] 赵骏, 王骏. 应用模拟目标临床试验概念设计观察性研究时的若干考虑[J]. 中国新药杂志, 2022, 31(18): 1801-1803. https://www.cnki.com.cn/Article/CJFDTOTAL-ZXYZ202218007.htm Zhao J, Wang J. Considerations for designing observational studies using targeted trial emulation concept[J]. Chin J New Drug, 2022, 31(18): 1801-1803. https://www.cnki.com.cn/Article/CJFDTOTAL-ZXYZ202218007.htm
[16] He W L, Fang Y X, Wang H W. Real-world evidence in medical product development[M]. Cham: Springer, 2023.
[17] 国家药监局药审中心. 国家药监局药审中心关于发布《药物真实世界研究设计与方案框架指导原则(试行)》的通告(2023年第5号)[EB/OL]. (2023-02-16)[2023-08-25]. https://www.cde.org.cn/main/news/viewInfoCommon/14aac16a4fc5b5841bc2529988a611cc. National Medical Products Administration Drug Approval Center. Notice of the Drug Review Center of the National Medical Products Administration on issuing the guiding principles for the design and protocol framework of real world drug research (trial) (No. 5, 2023)[EB/OL]. (2023-02-16)[2023-08-25]. https://www.cde.org.cn/main/news/viewInfoCommon/14aac16a4fc5b5841bc2529988a611cc.
[18] 程海波, 张磊, 付勇, 等. 2023年度中医药重大科学问题、工程技术难题和产业技术问题[J]. 中医杂志, 2023, 64(14): 1405-1421. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZYZ202314001.htm Cheng H B, Zhang L, Fu Y, et al. 2023 Major scientific issues, engineering challenges and industrial technology problems[J]. J Tradit Chin Med, 2023, 64(14): 1405-1421. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZYZ202314001.htm
[19] Hernán M A, Alonso A, Logan R, et al. Observational studies analyzed like randomized experiments: an application to postmenopausal hormone therapy and coronary heart disease[J]. Epidemiology, 2008, 19(6): 766-779. DOI: 10.1097/EDE.0b013e3181875e61
[20] Kutcher S A, Brophy J M, Banack H R, et al. Emulating a randomised controlled trial with observational data: an introduction to the target trial framework[J]. Can J Cardiol, 2021, 37(9): 1365-1377. DOI: 10.1016/j.cjca.2021.05.012
[21] Dickerman B A, García-Albéniz X, Logan R W, et al. Avoidable flaws in observational analyses: an application to statins and cancer[J]. Nat Med, 2019, 25(10): 1601-1606. DOI: 10.1038/s41591-019-0597-x
[22] Stürmer T, Wang T S, Golightly Y M, et al. Methodological considerations when analysing and interpreting real-world data[J]. Rheumatology (Oxford), 2020, 59(1): 14-25. DOI: 10.1093/rheumatology/kez320
[23] Vail E A, Gershengorn H B, Wunsch H, et al. Attention to immortal time bias in critical care research[J]. Am J Respir Crit Care Med, 2021, 203(10): 1222-1229. DOI: 10.1164/rccm.202008-3238CP
[24] Sendor R, Stürmer T. Core concepts in pharmacoepidemiology: Confounding by indication and the role of active comparators[J]. Pharmacoepidemiol Drug Saf, 2022, 31(3): 261-269. DOI: 10.1002/pds.5407
[25] Hernán M A. How to estimate the effect of treatment duration on survival outcomes using observational data[J]. BMJ, 2018, 360: k182.
[26] Schneeweiss S, Patorno E. Conducting real-world evidence studies on the clinical outcomes of diabetes treatments[J]. Endocr Rev, 2021, 42(5): 658-690. DOI: 10.1210/endrev/bnab007
[27] Hansford H J, Cashin A G, Jones M D, et al. Development of the TrAnsparent ReportinG of observational studies Emulating a Target trial (TARGET) guideline[J]. BMJ Open, 2023, 13(9): e074626. DOI: 10.1136/bmjopen-2023-074626
[28] Wang S V, Schneeweiss S, RCT-DUPLICATE Initiative. Emulation of randomized clinical trials with nonrandomized database analyses: results of 32 clinical trials[J]. JAMA, 2023, 329(16): 1376-1385. DOI: 10.1001/jama.2023.4221
[29] Patorno E, Schneeweiss S, Gopalakrishnan C, et al. Using real-world data to predict findings of an ongoing phase Ⅳ cardiovascular outcome trial: cardiovascular safety of linagliptin versus glimepiride[J]. Diabetes Care, 2019, 42(12): 2204-2210. DOI: 10.2337/dc19-0069
[30] Admon A J, Donnelly J P, Casey J D, et al. Emulating a novel clinical trial using existing observational data. Predicting results of the PreVent study[J]. Ann Am Thorac Soc, 2019, 16(8): 998-1007. DOI: 10.1513/AnnalsATS.201903-241OC
[31] Hernán M A, Wang W, Leaf D E. Target trial emulation: a framework for causal inference from observational data[J]. JAMA, 2022, 328(24): 2446-2447. DOI: 10.1001/jama.2022.21383
[32] 王志飞, 谢雁鸣. 中药上市后"三维四阶" 临床定位技术的构想与实践[J]. 中国中药杂志, 2021, 46(8): 1967-1972. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGZY202108016.htm Wang Z F, Xie Y M. Conception and practice of "three dimensions and four stages" clinical orientation method for post-marketing evaluation of traditional Chinese medicine[J]. Chin Mater Med, 2021, 46(8): 1967-1972. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGZY202108016.htm
[33] 安娜, 韩玲, 陈平雁. "三结合" 中药注册审评证据体系下中药新药真实世界研究的思考[J]. 中国新药杂志, 2022, 31(14): 1359-1363. https://www.cnki.com.cn/Article/CJFDTOTAL-ZXYZ202214003.htm An N, Han L, Chen P Y. Reflections on real world research under the evidence system of "three combinations" registration and evaluation of new traditional Chinese medicine[J]. Chin J New Drug, 2022, 31(14): 1359-1363. https://www.cnki.com.cn/Article/CJFDTOTAL-ZXYZ202214003.htm
[34] Moler-Zapata S, Hutchings A, O'neill S, et al. Emulating target trials with real-world data to inform health technology assessment: findings and lessons from an application to emergency surgery[J]. Value Health, 2023, 26(8): 1164-1174. DOI: 10.1016/j.jval.2023.04.010
[35] Gomes M, Latimer N, Soares M, et al. Target trial emulation for transparent and robust estimation of treatment effects for health technology assessment using real-world data: opportunities and challenges[J]. Pharmacoeconomics, 2022, 40(6): 577-586. DOI: 10.1007/s40273-022-01141-x
[36] Zhang Y Q, Lu L M, Xu N G, et al. Increasing the usefulness of acupuncture guideline recommendations[J]. BMJ, 2022, 376: e070533.
[37] Zuo H X, Yu L, Campbell S M, et al. The implementation of target trial emulation for causal inference: a scoping review[J]. J Clin Epidemiol, 2023, 162: 29-37. DOI: 10.1016/j.jclinepi.2023.08.003
[38] Scola G, Chis Ster A, Bean D, et al. Implementation of the trial emulation approach in medical research: a scoping review[J]. BMC Med Res Methodol, 2023, 23(1): 186. DOI: 10.1186/s12874-023-02000-9
[39] 中华医学会临床流行病学和循证医学分会中医学组. 新时代中医药临床研究方法论专家共识[J]. 协和医学杂志, 2022, 13(5): 783-788. DOI: 10.12290/xhyxzz.2022-0428 Chinese Medicine Group, Clinical Epidemiology and Evidence-Based Medicine Association of Chinese Medical Association. Expert consensus on clinical research methodology of traditional Chinese medicine in the new era[J]. Med J PUMCH, 2022, 13(5): 783-788. DOI: 10.12290/xhyxzz.2022-0428
[40] 杨丰文, 季昭臣, 张明妍, 等. 中医药临床研究浪费原因及对策[J]. 中国循证医学杂志, 2018, 18(11): 1212-1215. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZXZ201811015.htm Yang F W, Ji Z C, Zhang M Y, et al. Causes and countermeasures of waste in clinical research of Chinese medicine[J]. Chin J Evid Based Med, 2018, 18(11): 1212-1215. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZXZ201811015.htm
[41] Hoffmann J M, Bauer A, Grossmann R. The carbon footprint of clinical trials: a global survey on the status quo and current regulatory guidance[J]. BMJ Glob Health, 2023, 8(9): e012754. DOI: 10.1136/bmjgh-2023-012754
计量
- 文章访问数: 1104
- HTML全文浏览量: 220
- PDF下载量: 280