元の論文:Antimicrobial stewardship from a One Health perspectiveCitation:Nat Rev Microbiol. 2025;23:xxx–xxx論文の要約このレビューは、抗菌薬適正使用(AMS)を人・動物・環境を包括する「One Health」の枠組みから再評価し、持続可能なプログラムの要素を整理したものです。◯ 背景と課題抗菌薬の乱用・過用が耐性菌(AMR)の世界的拡大を加速させており、南アジア、ラテンアメリカ、アフリカでの高齢者を中心に負担が大きい。2021年には470万人以上の死亡が耐性菌と関連し、2050年までに累積9,200万人の死亡が予測されています。◯ 主なドライバー臨床的要因:感染治療の即時性と患者安全の要求。経済的要因:家畜での成長促進目的の抗菌薬使用、製薬会社の影響、規制や市場動向。環境的要因:医療廃水や農業排水により耐性菌が拡散し、環境が耐性遺伝子のリザーバーとなる。社会文化的要因:行動習慣、教育不足、誤情報の拡散。◯ プログラムの要素AMSは病院だけでなく、在宅・地域医療、獣医領域にも展開が必要です。主要な要素は以下:構造的要素:政策、リーダーシップ、専門人材、教育体制、分類システム(例:WHO AWaRe)。プロセス要素:処方ガイドライン、監査とフィードバック、迅速診断、投与量最適化、静注から経口への切り替え。アウトカム要素:抗菌薬消費量の減少、AMR率低下、臨床転帰改善、医療費削減。(図2, p.6 に病院・介護・プライマリケア・動物医療でのAMS介入効果の比較が示されています)◯ サーベイランスと評価消費量の監視は広く行われているが、重要なのは「適正使用率」。オーストラリアNAPSでは、ガイドライン遵守率は56%だが「適正」と判断された処方は74%であり、評価指標の違いが重要とされています。◯ 社会的公平性と持続可能性LMICでは資金不足や人材不足がAMS実装を妨げており、短期的な国際援助頼みの構造も課題。性別や社会的地位がAMSチームの力学に影響するとの指摘もあり、ジェンダーや文化的要素を組み込んだ政策設計が必要とされています(図4, p.10 に「公平なAMSへのアクセス」を妨げる要因が整理)。◯ デジタルとAI電子カルテを活用した臨床意思決定支援(CDSS)や機械学習は、処方最適化やAMR予測に有用ですが、LMICでは実装が遅れています。AIは予測性能を示す一方、透明性・公平性・データ偏りが課題とされています。◯ 結論AMSは病院から地域・動物・環境に拡張され、One Health視点で統合的に進める必要があります。持続的な資金、ガバナンス、監視体制、社会的公平性の確保が不可欠であり、政治的意思と科学的イノベーションの結集が求められます。抗菌薬適正使用, OneHealth, 耐性菌対策, 行動科学, デジタルヘルス,
No persons identified in this episode.
This episode hasn't been transcribed yet
Help us prioritize this episode for transcription by upvoting it.
Popular episodes get transcribed faster
Other recent transcribed episodes
Transcribed and ready to explore now
SpaceX Said to Pursue 2026 IPO
10 Dec 2025
Bloomberg Tech
Don’t Call It a Comeback
10 Dec 2025
Motley Fool Money
Japan Claims AGI, Pentagon Adopts Gemini, and MIT Designs New Medicines
10 Dec 2025
The Daily AI Show
Eric Larsen on the emergence and potential of AI in healthcare
10 Dec 2025
McKinsey on Healthcare
What it will take for AI to scale (energy, compute, talent)
10 Dec 2025
Azeem Azhar's Exponential View
Reducing Burnout and Boosting Revenue in ASCs
10 Dec 2025
Becker’s Healthcare -- Spine and Orthopedic Podcast