為了了解全球抗生素耐藥性動態背后的主要決定因素，來自巴斯德研究所、Inserm、凡爾賽大學圣康坦伊夫林分校和巴黎薩克雷大學的科學家開發了一種基于大規模時空分析的統計模型。使用 ATLAS 抗菌藥物耐藥性監測數據庫，該模型揭示了趨勢和相關因素的顯著差異，具體取決于細菌種類和對某些抗生素的耐藥性。

例如，擁有高質量衛生系統的國家與所有調查的革蘭氏陰性菌的抗生素耐藥性水平較低有關，而高溫與腸桿菌科細菌的抗生素耐藥性水平較高有關。令人驚訝的是，國家抗生素消耗水平與大多數測試細菌的耐藥性無關。結果表明，抗生素耐藥性控制措施需要適應當地情況和有針對性的細菌-抗生素組合。

研究結果發表在《柳葉刀行星健康》雜志上。

抗生素耐藥性(ABR)是目前全球健康面臨的最緊迫威脅之一。這是一種自然現象，但抗生素使用不當會選擇耐藥性并使細菌感染控制策略復雜化，從而導致這種現象。全球范圍內對抗生素耐藥性的監測已經建立，特別是在世界衛生組織的支持下，并且已經創建了多個數據庫來記錄全球范圍內的抗生素耐藥性，其長期目標是增進對原因的了解，以幫助解決這一現象。

抗生素耐藥性因細菌種類而異，但最近的一項研究估計，2019 年全球有 127 萬人死于 ABR，而 ABR 與 495 萬人死亡有關。

為了確定與全球抗生素耐藥性動態相關的主要因素，巴斯德研究所的一個多學科研究小組開發了一個統計模型，并分析了 ATLAS 數據庫中的抗生素耐藥性數據，該數據庫包含自 2004 年以來在各大洲 60 多個國家收集的數據?？茖W家們通過測試大量決定因素來分析數據，以揭示抗生素耐藥性的主要因素，并了解它們與全球觀察到的動態之間的關系。