Ponad 7000 publikacji medycznych!
Statystyki za 2021 rok:
odsłony: 8 805 378
Artykuły w Czytelni Medycznej o SARS-CoV-2/Covid-19

Poniżej zamieściliśmy fragment artykułu. Informacja nt. dostępu do pełnej treści artykułu
© Borgis - Anestezjologia Intensywna Terapia 3/2001, s. 173-177
Ewa Karpel, Bohdan Seifert, Mariusz Czechowski
Racjonalna empiryczna terapia antybiotykowa zakażeń w oddziale intensywnej terapii – wstępna ocena przydatności kalkulacji matematycznej
Rational antimicrobial therapy in the intensive care unit – preliminary assessment of the mathematical simulation model
z I Kliniki Anestezjologii i Intensywnej Terapii Katedry Anestezjologii i Intensywnej Terapii;
kierownik: prof. dr hab. A. Dyaczyńska-Herman – Śl AM w Katowicach
Streszczenie
Antybiotykoterapia empiryczna często stosowana jest w oddziałach intensywnej terapii w leczeniu zagrażających życiu zakażeń. Celem pracy jest ocena przydatności klinicznej matematycznej metody wyboru antybiotyków do terapii empirycznej opracowanej przez zespół mikrobiologów kanadyjskich. Badanie przeprowadzono w oparciu o wyniki badań mikrobiologicznych materiałów pobranych od chorych hospitalizowanych w naszym szpitalu w okresie od 01-01-1999 do 31-12-1999. Przeprowadzono analizę drobnoustrojów izolowanych z popłuczyn drzewa oskrzelowego (n=336) i z krwi (n=66). Po uwzględnieniu częstości występowania poszczególnych szczepów i ich oznaczonej lekowrażliwości przeprowadzono wyliczenie ich przewidywanej skuteczności terapeutycznej według proponowanego wzoru. Wykazano najwyższą przewidywaną skuteczność terapeutyczną wankomycyny, kotrimoksazolu i ampicyliny z sulbaktamem wobec szczepów izolowanych z krwi a piperacyliny z tazobaktamem, netylmycyny i imipenemu wobec szczepów izolowanych z dróg oddechowych. Przedstawiona metoda może być pomocna w kształtowaniu polityki antybiotykowej w OIT a badania powinny być kontynuowane w ścisłej współpracy z pracownią mikrobiologii.
Summary
Life-threatening infections in the ICU patients are frequently treated empirically. We have assessed usefulness of the mathematical simulation model that allows for optimal choice of an antimicrobial agent, basing on data obtained from the 1999 ICU population. Microbes were cultured from bronchial lavages (n=366) and blood (n=66). Calculation of the expected success rate using suggested model was made basing on incidence of positive cultures and antibiotic susceptibility. We found vancomycin, co-trimoxazole and ampicillin/sulbactam the most effective agents against blood-cultured microbes and piperacyllin/tazobactam, netilmycin and imipenem – against airway-cultured pathogens. We regard presented model as an useful tool for the ICU antimicrobial policy; bacteriologist´s advise is essential.



Oddział intensywnej terapii (OIT) stanowi specyficzne miejsce, gdzie problematyka racjonalnego stosowania antybiotyków ma niezwykle istotne znaczenie. Chociaż w szpitalu wielospecjalistycznym pacjenci OIT stanowią mniej niż 10% ogólnie hospitalizowanych, to aż 33% zakażeń szpitalnych dotyczy tej grupy chorych, a koszt antybiotykoterapii stanowi 36% ogólnego kosztu farmakoterapii w OIT. Zakażenia szpitalne w oddziale intensywnej terapii pogarszają przebieg choroby podstawowej i rokowanie, są niejednokrotnie przyczyną powikłań, przedłużają okres hospitalizacji podwyższając znacząco koszty leczenia i stanowią istotny problem epidemiologiczny związany z dużą rotacją pacjentów między oddziałami [1,2,3,4].
Antybiotyki stanowią najbardziej istotny element przyczynowej terapii zakażeń. Zastosowanie odpowiednio szybko skutecznej antybiotykoterapii, pozwalającej opanować w krótkim czasie ciężkie zakażenie u chorego w stanie zagrożenia życia, niejednokrotnie przesądza o jego losach. Z drugiej strony szczególnie ciężki, często zagrażający bezpośrednio życiu przebieg płucnych, brzusznych a przede wszystkim ogólnoustrojowych zakażeń u pacjentów OIT nie pozwalający oczekiwać na wynik diagnostyki mikrobiologicznej zmusza do zastosowania terapii opartej na empirycznym doborze odpowiedniego antybiotyku. Wyboru dokonuje się w oparciu o dane zawierające rodzaj i miejsce zakażenia, nasilenie objawów klinicznych infekcji, analizę przebiegu choroby i znajomość specyficznej sytuacji mikrobiologicznej środowiska oddziału leczącego [5].
Dane z piśmiennictwa wskazują na częstą nieskuteczność empirycznego doboru antybiotyków u konkretnego pacjenta, a także na groźną tendencję do stymulacji oporności nabytej patogennych drobnoustrojów środowiska szpitalnego przez błędnie wybraną metodę chemioterapii infekcji bez uprzedniej diagnostyki mikrobiologicznej. Kollef i wsp. [6] w badaniu przeprowadzonym w oddziale kardiochirurgicznym wykazali, że błędnie wybrana antybiotykoterapia empiryczna stanowiła istotny czynnik ryzyka rozwoju zakażenia szpitalnego w okresie pooperacyjnym.
W empirii stosuje się najczęściej antybiotyki bakteriobójcze, działające synergistycznie, o spektrum obejmującym wszystkie prawdopodobne czynniki mikrobiologiczne odpowiedzialne za zakażenia szpitalne w konkretnym OIT. Skład leków wskazanych w empirycznym leczeniu ciężkich zakażeń powinien być ustalany na podstawie analizy częstości izolacji poszczególnych szczepów bakteryjnych w oddziale i ich lekowrażliwości w przyjętym przedziale czasowym.
Celem pracy jest przedstawienie jednej z metod optymalizacji doboru antybiotyków do stosowania empirycznego u chorych z ciężkim zakażeniem w oparciu o równanie matematyczne opracowane przez zespół mikrobiologów kanadyjskich kierowany przez Blondeau oraz ocena przydatności tej metody w praktyce klinicznej OIT [7].
METODYKA
Przedstawiona przez Blondeau i wsp. [7] metoda jest próbą znalezienia zależności między udziałem poszczególnych drobnoustrojów w etiologii zakażeń a ich wrażliwością na leki przeciwbakteryjne. Kalkulację wykonuje się dla konkretnego szpitala/oddziału w wybranym okresie czasowym. Na podstawie wyników badań mikrobiologicznych konkretnego materiału określa się w nim procentowy udział częstości izolacji poszczególnych drobnoustrojów (wartość %I - incidence). Z kolei dla każdego z izolowanych drobnoustrojów określa się odsetek jego szczepów wrażliwych na poszczególne chemioterapeutyki. (wartość %S – succeptibility). Zależność tych dwóch wartości (współczynnik F) wylicza się z wzoru:
%I x %S
F (%) = -----
100
Współczynnik F oznacza się dla każdego drobnoustroju izolowanego z badanego materiału w odniesieniu do każdego badanego antybiotyku, a prawdopodobieństwo skuteczności terapeutycznej badanego antybiotyku w leczeniu konkretnego zakażenia jest sumą współczynników F obliczonych dla izolowanych z tego materiału drobnoustrojów.
Fs = Fbakt1 + Fbakt2 + Fbakt3 +... ......
Otrzymana w ten sposób sumaryczna wartość współczynnika Fs dla konkretnego antybiotyku wskazuje na przewidywaną jego skuteczność w zwalczaniu zakażeń diagnozowanych na podstawie badania mikrobiologicznego odpowiedniego materiału.
Wyliczona wartość (Fs/%Is) ilorazu sumarycznej wartości współczynnika Fs i sumarycznej częstości izolacji poszczególnych drobnoustrojów w badanym materiale (%Is = %I1 + %I2 + %I3....) obrazuje wyrażone w procentach prawdopodobieństwo skuteczności terapeutycznej antybiotyku wobec badanych, najczęściej izolowanych z danego materiału drobnoustrojów. Im wyższa wartość tego współczynnika, tym większe prawdopodobieństwo skuteczności badanego leku w zwalczaniu zakażenia miejsca odpowiadającego badanemu materiałowi.
Przykładowe wyliczenie oparte na przedstawionym rozumowaniu przedstawia tabela I. Obliczono w niej przewidywaną skuteczność terapeutyczną czterech antybiotyków dla pięciu najczęściej izolowanych z badanego materiału drobnoustrojów, stanowiących 85% wszystkich wykrytych patogenów. Z przeprowadzonej analizy wynika, że najwyższą skuteczność terapeutyczną dla zakażeń opisanych etiologicznie w przedstawiony sposób wykazuje antybiotyk nr 1 (F/%I = 97,3%) a najgorszą antybiotyk nr 4 (F/%I = 61,8%). Na podstawie takiej kalkulacji w sytuacji konieczności zastosowania antybiotykoterapii empirycznej, wybór powinien paść na antybiotyk nr 1.
Tab. I. Przykładowa kalkulacja przewidywanej skuteczności czterech antybiotyków na 5 najczęściej izolowanych z jednego materiału szczepów bakteryjnych
Drobnoustrój% częstości izolacji % IWrażliwość na antybiotyk
Antybiotyk 1Antybiotyk 2Antybiotyk 3Antybiotyk 4
%SF1%SF2%SF3%SF4
1259924,79523,78020,05012,5
2209519,09018,09018,06012,0
32010020,09018,09018,07515,0
41010010,0959,5858,5707,0
510909,0999,9808,0606,0
razem85*82,779,072,552,5
Ogólna aktywność (F/%I)97,392,985,361,8
* wartość nie osiąga 100% gdyż analiza obejmuje tylko 5 najczęściej izolowanych szczepów bakteryjnych a pozostałe 15% stanowią szczepy izolowane w mniej niż 2%
Celem ustalenia optymalnych zasad doboru leków dla empirycznej antybiotykoterapii zakażeń różnych miejsc/ narządów/ układów analizy te należy wykonać w oparciu o wyniki badań mikrobiologicznych różnych badanych materiałów.
W oparciu o proponowaną przez Blondeau i wsp. [7] metodę dokonaliśmy kalkulacji przewidywanej skuteczności przeciwbakteryjnej różnych antybiotyków w empirycznym leczeniu zakażeń układu oddechowego i bakteriemii u pacjentów leczonych w I Klinice Anestezjologii i Intensywnej Terapii Śl AM. Podstawę do obliczeń stanowiły wyniki badań mikrobiologicznych wykonanych u pacjentów naszej kliniki w okresie od 1-01-1999 do 31-12-1999.
WYNIKI
W 1999 r. leczono 306 chorych, wśród których zakażenia płuc rozpoznano u 70 tj. 22,6% a posocznicę z bakteremią u 22 tj. 7,18% pacjentów. W okresie od 01.01.1999 do 31.12.1999 wykonano łącznie 183 badania mikrobiologiczne krwi i 414 badań popłuczyn drzewa oskrzelowego.
Patologiczne szczepy bakteryjne izolowano w 66 (36,1%) próbkach krwi i w 338 (81,6%) próbkach treści z dróg oddechowych. Najczęściej występującymi szczepami wśród bakterii odpowiedzialnych za bakteriemię były Staphylococcus epidermidis oraz Staphylococcus aureus, natomiast najczęstsze patogeny występujące w drzewie oskrzelowym to Acinetobacter baumanii oraz Staphylococcus aureus. Dla każdego z tych materiałów dokonano analizy matematycznej metodą Blondeau i wsp., której wyniki przedstawiono w tabelach II i III.
Duże zróżnicowanie izolowanych bakterii i niewielka liczba dodatnich wyników badań mikrobiologicznych krwi jest przyczyną niskich wartości otrzymanych współczynników F dla większości antybiotyków. Spośród 66 izolowanych z krwi szczepów bakteryjnych do kalkulacji skuteczności antybiotykoterapii wybrano 5 występujących najczęściej, które łącznie stanowiły zaledwie 65% wszystkich uzyskanych z krwi patogenów (tab. II).
Tab. II. Kalkulacja doboru antybiotykoterapii empirycznej bakteriemii na podstawie 66 wyników badań mikrobiologicznych krwi
Szczep bakteryjny%IANTYBIOTYK
12345678
%SF%SF%SF%SF%SF%SF%SF%SF
S. epidermidis238219,064151002300641500821900
S. aureus180000100180000001001800
S. marcescens7000000100733233233200
S. haemoliticus667467410060000000000
P. aeruginosa600000033200000000
K. pneumoniae5100500001005100510050000
RAZEM6528,0194714227390
F/I % aktywności ogólnej43,32972213411600
Antybiotyki: 1 – ampicylina + sulbaktam, 2 – netilmycyna, 3 – wankomycyna, 4 – imipenem, 5 – ciprofloksacyna, 6 – piperacylina + tazobaktam, 7 – kotrimoksazol, 8 – ceftriaxon
Trudność stanowił fakt zróżnicowanej, uwarunkowanej gatunkowo wrażliwości badanych szczepów na antybiotyki, według której dobierane były leki na paskach do badań lekowrażliwości. Ostatecznie przeprowadzono analizę z uwzględnieniem ośmiu najczęściej uwzględnianych antybiotyków. Zastosowane obliczenia wykazały, że najwyższej skuteczności leczenia empirycznego bakteriemii u pacjentów KIT należy oczekiwać przy zastosowaniu wankomycyny (F/I=72), ampicyliny z sulbaktamem (F/I=43,3) i kotrimoksazolu (F/I=60). Zwraca uwagę niska, mierzona wartością współczynnika F/I skuteczność imipenemu, oraz praktycznie zerowa skuteczność cefalosporyn III generacji (tab. II). Jest to wynikiem nieuwzględnienia tych leków w zestawach do oznaczania lekowrażliwości badanych Gram-dodatnich szczepów bakteryjnych metodą paskową stosowaną w naszym szpitalu.

Powyżej zamieściliśmy fragment artykułu, do którego możesz uzyskać pełny dostęp.
Mam kod dostępu
  • Aby uzyskać płatny dostęp do pełnej treści powyższego artykułu albo wszystkich artykułów (w zależności od wybranej opcji), należy wprowadzić kod.
  • Wprowadzając kod, akceptują Państwo treść Regulaminu oraz potwierdzają zapoznanie się z nim.
  • Aby kupić kod proszę skorzystać z jednej z poniższych opcji.

Opcja #1

24

Wybieram
  • dostęp do tego artykułu
  • dostęp na 7 dni

uzyskany kod musi być wprowadzony na stronie artykułu, do którego został wykupiony

Opcja #2

59

Wybieram
  • dostęp do tego i pozostałych ponad 7000 artykułów
  • dostęp na 30 dni
  • najpopularniejsza opcja

Opcja #3

119

Wybieram
  • dostęp do tego i pozostałych ponad 7000 artykułów
  • dostęp na 90 dni
  • oszczędzasz 28 zł
Piśmiennictwo
1. Burchardi D., Schurgers D., Morer O.: The costs of infection in the ICU, 2000 Yearbook of Intensive Care and Emergency Medicine, Ed.: JL Vincent, Springer 2000, 763-769.
2. Blanc P., Von Elm B.E., Geissler A., Gramer I., Bboussuges A., Durand Gasselin J.: Economic impact of a rational use of antibiotics in intensive care. Intensive Care Medicine 1999, 25, 12, 1407-1412.
3. Dzierżanowska D., Jeljaszewicz J.: Zakażenia szpitalne, a-medica press, Bielsko-Biała, 1999.
4. Vincent J.L.: Microbial resistance: lessons from the EPIC study. Intensive Care Medicine 2000, suppl 1, 26, S3.
5. Marshall J.C., Evans D.C.: Antimicrobial therapy for ICU-acquired infections: time for reappraisal, 1998 Yearbook of Intensive Care and Emergency Medicine, Ed.: JL Vincent, Springer, 1998, 283-291.
6. Kollef M.H., Sharpless L., Vlasnik J., Pasque C., Murphy D., Fraser VJ: The impact of nosocomial infection on patient outcomes following cardiac surgery. Chest 1997, 112, 666-675.
7. Blondeau J.M., Tillotson G.S.: Formula to help select rational antimicrobial therapy (FRAT): its application to community- and hospital-aquired urinary tract infections. International Journal of Antimicrobial Agents 1999, 12, 145-150.
8. Fagon J., Chastre J., Hance A.J., Domart Y., Trouillet J., Gibert C.:Evaluation of clinical judgment in the identification and treatment of nosocomial pneumonia in ventilated patients. Chest 1993, 103, 547-553.
9. Luna C.M., Vujacich P., Niederman M.S.: Impact of BAL data on the therapy and outcome of ventilator-associated pneumonia. Chest 1997, 679-685.
10. Alvarez-Lerma F.: Modification of empiric antibiotic treatment in patients with pneumonia aquired in the intensive care unit. ICU-aquired pneumonia Study Group. Intensive Care Medicine 1996, 22, 387-394.
11. American Thoracic Society: Hospital-aquired pneumonia in adults: diagnosis, assessment of severity, initial antimicrobial therapy and preventive strategies. A consensus statement. American Journal of Respiratory Critical Care Medicine 1995, 153, 1711-1725.
12. Kollef M.H.: The importance of initial empiric antibiotic selection in ventilator-associated pneumonia. 1998 Yearbook of Intensive Care and Emergency Medicine, Ed.: JL Vincent, Springer, 1998, 300-309.
Adres do korespondencji:
Katedra i Klinika AiIT Śl AM
ul. Medyków 14
40-752 Katowice

Anestezjologia Intensywna Terapia 3/2001