Lutter contre la résistance aux antimicrobiens grâce à la collaboration des données

La Résistance aux antimicrobiens (RAM) est une menace croissante pour la santé publique mondiale. Ça arrive quand les bactéries changent et ne réagissent plus aux médicaments qui fonctionnaient avant. Ça rend les infections plus difficiles à traiter. Comprendre à quel point ce problème est important dans le monde est crucial pour le gérer efficacement. Des études récentes montrent qu'il y a des lacunes dans la façon dont on suit et rapporte les Données sur la RAM dans le monde. On a besoin de meilleures sources d'infos faciles d'accès pour que les chercheurs puissent les analyser indépendamment.

#Suivi de la résistance aux antimicrobiens

Plusieurs efforts mondiaux sont en place pour combler ces lacunes dans le suivi de la RAM. Des programmes notables incluent le Système mondial de Surveillance de la résistance aux antimicrobiens et de l'utilisation (GLASS) géré par l'Organisation mondiale de la santé (OMS) et le Réseau européen de surveillance de la résistance aux antimicrobiens (EARS-Net). Ces initiatives fournissent des directives aux pays pour rapporter les données sur la RAM et offrent un moyen de collecter et de partager ces informations.

Cependant, ces systèmes se concentrent actuellement sur un nombre limité de bactéries et d'antibiotiques. Ils ont beaucoup de données, ce qui les rend fiables pour estimer la présence de la RAM, mais il reste encore de nombreuses lacunes. En plus de ces programmes publics, beaucoup d'entreprises pharmaceutiques collectent leurs propres données sur la RAM. Ces programmes industriels examinent l'efficacité des antibiotiques dans les hôpitaux et rassemblent des données provenant de divers pays au fil des ans.

#Combinaison des sources de données

Il n'y a pas eu beaucoup d'exploration sur la façon dont ces différents systèmes de surveillance industriels peuvent fonctionner ensemble. Fusionner ces sources pourrait élargir les types de bactéries, d'antibiotiques, de pays et d'années disponibles pour l'analyse. Cependant, cela nécessite un examen minutieux de la façon dont chaque système collecte et teste les échantillons.

Identifier les similitudes et les différences entre ces systèmes de surveillance est clé pour comprendre comment ils peuvent être combinés. Par exemple, savoir comment chaque programme collecte les échantillons et effectue des tests peut aider à déterminer les biais éventuels. À cause de ça, il est essentiel de reconnaître les limites des différents systèmes de surveillance avant d'utiliser leurs données efficacement.

#Comparaison des Estimations de RAM

Peu d'études ont essayé de comparer les estimations de RAM provenant de divers systèmes de surveillance. Savoir comment les données industrielles s'alignent avec les données publiques est crucial. Les différences ou les accords pourraient révéler comment les stratégies d'échantillonnage diffèrent, comme où les échantillons sont prélevés ou quels groupes de patients sont inclus. Ce genre d'infos peut aider à améliorer les méthodes de collecte de données et à mieux assister les prestataires de soins de santé.

Dans cet article, on vise à clarifier la valeur des systèmes de surveillance industriels pour combler les lacunes de la surveillance mondiale sur la RAM. On va évaluer la méthodologie de ces systèmes, en se concentrant sur la manière dont ils collectent des échantillons, sélectionnent des patients et effectuent des tests d'antibiotiques. En faisant ça, on peut identifier les défis qui pourraient surgir si on essaye de combiner différents ensembles de données.

#Sources de données

On a collecté des données provenant de plusieurs entreprises pharmaceutiques et de la base de données GLASS. Les données GLASS utilisées dans notre analyse ont été fusionnées à partir de plusieurs sources accessibles au public. On s'est assuré d'utiliser uniquement des données provenant de pays qui rapportaient de manière constante des informations sur des années spécifiques.

Combiner les ensembles de données GLASS a augmenté notre couverture de différents pays et le nombre d'isolats, qui sont des échantillons testés pour la RAM. Cet ensemble de données combiné a été utilisé pour toutes les analyses.

#Méthodologies des systèmes de surveillance

Tous les systèmes de surveillance examinés ici se concentrent sur des isolats invasifs. Cependant, chaque programme a un focus spécifique, selon les médicaments qu'ils surveillent. Certains, comme ATLAS et GEARS, couvrent de nombreux antibiotiques et bactéries, tandis que d'autres se concentrent sur des médicaments ou des bactéries spécifiques. La plupart des systèmes de collecte rassemblent des isolats du monde entier et les envoient à un laboratoire central pour des tests.

Cependant, il y a une limite notable dans la façon dont chaque système de surveillance sélectionne les isolats pour les tests. Certains programmes collectent des échantillons au hasard, tandis que d'autres ont des directives peu claires sur combien de patients sont inclus ou comment ils sont choisis. Ce manque de clarté peut créer des biais dans les données.

#Couverture mondiale des systèmes de surveillance

Le jeu de données GLASS couvre quatre ans et inclut de nombreux pays et des données de résistance pour diverses bactéries et antibiotiques. Cependant, quand on regarde les systèmes de surveillance industriels, la couverture s'élargit considérablement. Ils englobent plus d'années, de pays, d'espèces bactériennes et d'antibiotiques, augmentant le potentiel pour combler les lacunes dans les données publiques.

Malgré cette couverture plus large, les systèmes industriels ont souvent moins d'isolats au total que GLASS. Savoir combien d'isolats sont testés est vital pour comprendre la fiabilité des estimations de résistance.

#Estimations de la résistance à travers les systèmes

Pour au moins un pays et une année communs, on peut trouver des bactéries et des antibiotiques spécifiques à la fois dans GLASS et dans au moins un système de surveillance industriel. Cela nous permet de calculer des proportions de résistance en regroupant les isolats par année, espèce bactérienne et agent antibiotique.

En comparant les proportions de résistance entre GLASS et les systèmes industriels, on a trouvé que certains rapports industriels surestimaient les niveaux de résistance, tandis que d'autres ne le faisaient pas. On a aussi calculé l'accord entre les ensembles de données, en se concentrant sur la manière dont les niveaux de résistance correspondaient.

#Résultats et relations

On a remarqué que l'accord des proportions de résistance variait entre différentes bactéries et antibiotiques. Certaines bactéries, comme E. coli et K. pneumoniae, montraient un bon accord entre les ensembles de données, tandis que d'autres avaient des divergences plus importantes.

On a observé qu'avec un nombre accru d'isolats disponibles dans les ensembles de données industriels, les différences dans les proportions de résistance comparées à GLASS avaient tendance à diminuer. Cela suggère que disposer de plus de données peut améliorer notre compréhension de la RAM à travers différents systèmes de surveillance.

#Limites des systèmes de surveillance

Le principal défi pour fusionner ces systèmes de surveillance réside dans la compréhension de la manière dont les cadres de santé et les critères de sélection des isolats ont été déterminés. Savoir comment les échantillons sont collectés est crucial pour comparer correctement les estimations de résistance entre les programmes. Cette compréhension peut aussi réduire les biais dans les données.

Il y a un besoin de meilleure collecte et standardisation des métadonnées concernant les isolats. Par exemple, faire la distinction entre les infections acquises à l'hôpital et celles acquises dans la communauté pourrait offrir des aperçus plus profonds sur les modèles de résistance.

Une autre limite est que, même si GLASS fournit des données utiles, elle ne présente que des résultats agrégés au niveau du pays. Rapporter des données au niveau de l'isolat individuel donnerait une image plus détaillée des tendances de la RAM.

#Prochaines étapes pour la surveillance de la RAM

Cette analyse est l'une des premières tentatives d'explorer et de combiner les systèmes de surveillance industriels existants pour les données de RAM. En adaptant des méthodes établies et en utilisant GLASS comme référence, on peut mieux utiliser ces systèmes à l'avenir.

L'OMS a aussi annoncé des plans pour mettre à jour ses lignes directrices, ce qui pourrait élargir les types de bactéries et de sources d'échantillons inclus dans de futurs rapports. Cela peut ouvrir de nouvelles avenues pour la recherche et des comparaisons entre les systèmes de surveillance.

#Conclusion

Le travail présenté ici illustre la valeur potentielle de la combinaison des systèmes de surveillance industriels pour combler les lacunes existantes dans la surveillance mondiale de la RAM. Les estimations dérivées de ces systèmes s'alignent étroitement avec celles de GLASS pour de nombreuses bactéries et antibiotiques. À mesure que les méthodes de collecte et de rapport de données s'améliorent, on peut mieux comprendre les modèles de RAM et travailler à renforcer les systèmes de santé mondiaux.

En encourageant la collaboration et le partage de données entre les parties prenantes, on peut améliorer notre capacité à combattre efficacement la résistance aux antimicrobiens, surtout dans les zones actuellement sous-représentées dans les données de santé publique.