Динамика антибиотикорезистентности в челюстно-лицевой хирургии в Витебской области за 2020–2024 гг.

Цель исследования – проанализировать динамику антибиотикорезистентности основных возбудителей инфекционно-воспалительных заболеваний челюстно-лицевой области за период с 2020 по 2024 г.

Материалы и методы. Исследование выполнено на основании анализа микробиологических посевов пациентов стоматологического гнойного отделения на базе учреждения здравоохранения «Витебская областная клиническая больница» за период 2020–2024 гг. Методом серийных разведений и бумажных дисков, а также с использованием тест-систем Biomereux ATB Expression и BD Phoenix определяли чувствительность возбудителей к антибиотикам. Для изучения эффективности применения антибактериальных препаратов сравнивали минимальную подавляющую концентрацию (МПК₉₀) антибиотиков для планктонных форм бактерий и бактерий в составе биопленки (БП).

Результаты. У K. pneumoniae зафиксирован критический рост резистентности к карбапенемам до 50% в 2022 г., что меняет подходы при эмпирической терапии β-лактамными антибиотиками. Для грамположительных патогенов установлены следующие изменения: S. aureus продемонстрировал резкий рост резистентности к амикацину и эритромицину. Коагулазоотрицательные стафилококки характеризовались увеличением доли метициллин-резистентных штаммов до 43,64% к 2024 г. У α-гемолитических стрептококков выявлен рост резистентности к цефалоспоринам III поколения (цефотаксим: 31,58% в 2024 г.). Критически важные антибиотики сохранили эффективность: ванкомицин и линезолид показали 100%-ю активность против всех исследуемых грамположительных патогенов. Биопленкообразование является ключевым фактором антибиотикорезистентности: МПК₉₀ антибиотиков увеличивается в 4–128 раз по сравнению с МПК₉₀ для планктонных форм возбудителей.

Заключение. Полученные результаты указывают на необходимость пересмотра эмпирической терапии в пользу комбинаций антибиотиков с антибиопленочной активностью и усиления микробиологического мониторинга.

1. Irfan M., Almotiri A., AlZeyadi Z.A. Antimicrobial Resistance and Its Drivers – A Review. Antibiotics. 2022;11(10):1362. DOI: 10.3390/antibiotics11101362.

2. World Health Organization. Global Antimicrobial Resistance and Use Surveillance System (GLASS) report. WHO; 2023.

3. Schwendener S., Perreten V. The bla and mec families of β-lactam resistance genes in the genera Macrococcus, Mammaliicoccus and Staphylococcus: an in-depth analysis with emphasis on Macrococcus. J. Antimicrob. Chemother. 2022;77(7):1796– 1827. DOI: 10.1093/jac/dkac107.

4. Meisgeier A., Pienkohs S., Dürrschnabel F., Neff A., Halling F. Rising incidence of severe maxillofacial space infections in Germany. Clin. Oral. Investig. 2024;28(5):264. DOI: 10.1007/s00784-024-05663-w.

5. Zhang Y., Geng M., Shi Y., Jin B., Xiong Q., Zhou S. et al. Epidemiological Characteristics and Trends of Zoonotic Diseases in China from 2015 to 2022. Trop. Med. Infect. Dis. 2025;10(6):159. DOI: 10.3390/tropicalmed10060159.

6. Calvo M., Migliorisi G., Maugeri G., Bongiorno D., Bonomo C., Nicitra E. et al. The molecular detection of carbapenem markers with a two-levels amplification screening protocol: epidemiological and resistome insights. Front. Microbiol. 2024;15:1346442. DOI: 10.3389/fmicb.2024.1346442

7. Ribeiro E.D., de Santana I.H.G., Viana M.R.M., Fan S., Mohamed A., Dias J.C.P. et al. Optimal treatment time with systemic antimicrobial therapy in odontogenic infections affecting the jaws: a systematic review. BMC Oral. Health. 2025;25(1):253. DOI: 10.1186/s12903-025-05585-3.

8. Paterson D., Bonomo R.A. CTXM enzymes. Clinical Microbiology Reviews. 2005;18(4):657–686.

9. Nicolas-Chanoine M.H., Bertrand X., Madec J.Y. Escherichia coli ST131, an intriguing clonal group. Clin. Microbiol. Rev. 2014;27(3):543–574. DOI: 10.1128/CMR.00125-13.

10. Das Neves C.A., Russi K.L., Alves C.H., Rocha N.C., de Souza N.G.L., da Graça Fagundes A.C. et al. Overprescription of antibiotics in Brazilian dental clinics: an evaluation of current practices. Sci. Rep. 2024;14(1):29796. DOI: 10.1038/s41598-024-80908-y.

11. Didi I., Alliot J.M., Dumas P.Y., Vergez F., Tavitian S., Largeaud L. et al. Artificial intelligence-based prediction models for acute myeloid leukemia using real-life data: A DATAML registry study. Leuk. Res. 2024;136:107437. DOI: 10.1016/j.leukres.2024.107437.

12. Negeri A.A., Mamo H., Gurung J.M., Firoj Mahmud A.K.M., Fällman M. et al. Antimicrobial resistance profiling and molecular epidemiological analysis of extended spectrum β-lactamases produced by extraintestinal invasive Escherichia coli isolates from Ethiopia: the presence of international highrisk clones ST131 and ST410 revealed. Front. Microbiol. 2021;12:706846. DOI: 10.3389/fmicb.2021.706846.

13. Williams P.C.M., Isaacs D., Berkley J.A. Antimicrobial resistance among children in sub-Saharan Africa. Lancet Infect. Dis. 2018;18(2):e33–e44. DOI: 10.1016/S1473-3099(17)30467-X.

14. Zou Z., Tang F., Qiao L., Wang S., Zhang H. Integrating sequencing methods with machine learning for antimicrobial susceptibility testing in pediatric infections: current advances and future insights. Front. Microbiol. 2025;16:1528696. DOI: 10.3389/fmicb.2025.1528696.

15. Hazrat B., Khan M.N., Khan S., Shafiq M., Fang W., Khan R.U. et al. The role of artificial intelligence and machine learning in predicting and combating antimicrobial resistance. Computational and Structural Biotechnology Journal. 2025;27:423–439.

16. Stepanovic S., Vukovic D., Dakic I., Savic B., Svabic-Vlahovic M. Quantification of biofilm in microtiter plates: overview of testing conditions and practical recommendations for assessment of biofilm production by staphylococci. APMIS. 2007;115(8):891–899.

17. Мовсесян Н.А., Кабанова А.А., Плотников Ф.В. Биопленка стафилококков как фактор резистентности к антибактериальным препаратам в стоматологической практике. Стоматология. Эстетика. Инновации. 2020;2(4):173– 180.

18. Дмитриева Н.В., Петухова И.Н., Григорьевская З.В., Багирова Н.С., Терещенко И.В., Ключникова И.А. и др. Сравнительный анализ активности гликопептидов и линезолида в отношении нозокомиальных штаммов грамположительных микроорганизмов, выделенных от онкологических пациентов. Сибирский онкологический журнал. 2021;20(5):93–99. DOI: 10.21294/1814-4861-2021-20-5-93-99.

19. Petrakis V., Panopoulou M., Rafailidis P., Lemonakis N., Lazaridis G., Terzi I. et al. The impact of the COVID-19 pandemic on antimicrobial resistance and management of bloodstream infections. Pathogens. 2023;12(6):780. DOI: 10.3390/pathogens12060780.

20. Grari O., Ezrari S., El Yandouzi I., Benaissa E., Ben Lahlou Y., Lahmer M. et al. A comprehensive review on biofilm-associated infections: mechanisms, diagnostic challenges, and innovative therapeutic strategies. The Microbe. 2025;8:100436. DOI: 10.1016/j.microb.2025.100436.

21. Tarchini G., Liau K.H., Solomkin J.S. Antimicrobial stewardship in surgery: challenges and opportunities. Clin. Infect. Dis. 2017;64(2):112–114. DOI: 10.1093/cid/cix087.

22. Ali T., Ahmed S., Aslam M. Artificial intelligence for antimicrobial resistance prediction: challenges and opportunities towards practical implementation. Antibiotics (Basel). 2023;12(3):523. DOI: 10.3390/antibiotics12030523.