2. 复旦大学附属中山医院药剂科, 上海 200032
2. Department of Pharmacy, Zhongshan Hospital, Fudan University, Shanghai 200032, China
自20世纪40年代抗菌药物被引入人类医学以来,抗菌药物耐药性以惊人的速度出现,并成为对公共卫生的一个重大威胁和挑战[1]。合理的抗菌药物使用方案有助于减弱抗菌药物耐药性[2-4],同时医院抗菌药物的合理使用一直以来都是国家合理用药管理中的重要内容[5]。抗菌药物使用率、抗菌药物使用强度(antibiotics use density,AUD)是监测抗菌药物应用的核心指标。
2019年1月国务院办公厅下发的国务院办公厅《关于加强三级公立医院绩效考核工作的意见》[6]也将AUD纳入合理用药指标并作为重要的监测指标。2020年12月国家卫生健康委员会下发的《关于印发三级医院评审标准(2020年版)的通知》[7]将门诊、住院抗菌药物使用率等也纳入了评审条款。虽然国家对AUD、门诊抗菌药物使用率、住院抗菌药物使用率有定量的控制指标,但抗菌药物的使用受到患者合并多种基础疾病、病种诊治难度以及患者年龄等多种因素的影响[8-10]。
为使医院对各科室设定的AUD管理更具合理性,本研究收集华东地区某三级甲等综合医院大数据病种组合(big data diagnosis-intervention packet, DIP)[11]系统中病例组合指数(case mix index, CMI)以及抗菌药物使用率2种指标的数据对AUD进行调整[12-13],运用秩和比(rank-sum ratio, RSR)法来分档评价各科室AUD。
1 资料与方法 1.1 资料来源收集2021年1月至6月某三级甲等综合医院出院病案首页数据,以及各科室AUD。
1.2 评价指标(1)DIP病种分值(rw)=疾病组的次均费用/全部病例的次均费用;(2)所有病种总量指数(RW)=Σ(所有出院患者对应的rw);(3)住院CMI=全院总量指数/全院病例数;(4)住院患者抗菌药物使用率=使用抗菌药物的出院患者数/同期出院总患者数×100%;(5)住院患者AUD=累计用药频度(defined daily dose system,DDDs)×100/[同期出院患者人数×同期患者平均住院时间(d)],单位为DDDs/(100人·d)。DDDs依据WHO推荐的限定日剂量(defined daily dose, DDD)计算,DDDs=某药的总用量(g或mg)/该药的DDD。累计DDDs即为各抗菌药物DDDs之和。
1.3 研究方法 1.3.1 非整秩次秩和比法非整秩次秩和比法用类似于线性插值的方式对指标值进行编秩,以改进RSR法编秩方法的不足。所编秩次与原指标值之间存在定量的线性对应关系,从而克服了RSR法秩次化时易损失原指标值定量信息的缺点[14]。运用DIP分组器计算病种分值、总量指数,最终按科室划分得到科室CMI,通过HIS系统计算各科室抗菌药物使用率和住院患者AUD值。采用非整秩次秩和比编秩,分别用CMI、抗菌药物使用率对各科室的AUD值进行综合评价。CMI为高优指标,抗菌药物使用率和AUD值为低优指标。
高优指标:
低优指标:
公式中的R为秩次,n为样本量,X为原始序列值,Xmax代表原始序列中的最大值、Xmin代表原始序列中的最小值。从以上公式可以看出,高优指标最小值编秩为1,最大值编秩为n;低优指标则相反。
1.3.2 RSR通过计算对应的概率单位Probit确定RSR值特定向下累计频率,列出各组频数ƒ,计算累计频数Σƒ,确定各组的RSR的秩次范围(R)及平均秩次(R),计算累计频率(R/N×100%),最后累计值按照1-1/4N校正[15]。
1.3.3 将百分率换算成概率单位以累计频率所对应的概率单位值Probit为自变量,以RSR值为因变量,计算直线回归方程;按照回归方程推算对应的RSR估计值,对评价对象进行分档排序。分档标准为标准正态分布的分位数,-3~3最好。根据各分档情况下概率单位Probit值,按照回归方程推算对应的RSR估计值对评价对象进行分档排序,具体分档数根据实际情况而定。
1.4 统计学处理共包含32个科室,不包含未设住院床位临床相关科室。其中外科手术科室15个,内科科室(包含介入操作科室)17个。将各科室数据录入Excel表,建立数据库,根据不同直线回归模型使用RSR处理数据。使用R 3.5.1统计软件对RSR值进行单因素方差分析,并根据相关标准选择更适合的模型进行RSR分档选择。检验水准(α)为0.05。
2 结果 2.1 建立线性回归模型结果(图 1)显示:4种模型皆具有明显的直线线性关系,因此根据AUD以及不同的调整指标建立直线回归模型,利用拟合优度R2来判断模型的拟合程度,R2越接近1证明拟合程度越高。引入AUD、CMI和抗菌药物使用率对RSR分档的线性回归方程均具有统计学意义(P<0.05,表 1)。
引入指标 | R2(调整后) | P值 |
RSR引入AUD | 0.766 1 | <0.05 |
RSR引入AUD和CMI | 0.884 7 | <0.05 |
RSR引入AUD和抗菌药物使用率 | 0.908 9 | <0.05 |
RSR引入AUD、抗菌药物使用率和CMI | 0.800 7 | <0.05 |
RSR:秩和比;AUD:抗菌药物使用强度;CMI:病例组合指数。 |
结果(表 1)显示:引入CMI或抗菌药物使用率后,相较仅根据AUD建立的模型(R2=0.766 1),R2(0.884 7、0.908 9)更接近1,说明引入其他指标调整AUD有明确意义。但同时引入CMI和抗菌药物使用率后,R2(0.800 7)相对下降。
2.2 确立线性回归模型结果(表 2)显示:因RSR引入AUD和CMI以及RSR引入AUD和抗菌药物使用率的R2分别为0.884 7和0.908 9,两者非常接近,故再进行AUD、CMI以及抗菌药物使用率三者之间相关性的分析,并形成相关系数(r)矩阵图。CMI与抗菌药物使用率负相关;抗菌药物使用率与AUD接近于高度线性相关,提示引入抗菌药物使用率对于AUD调整的RSR分档意义较小;CMI与AUD低度线性相关。因此选择RSR引入AUD与CMI模型。
结果(表 3)显示:32个临床科室数据根据AUD为低优指标,CMI为高优指标,非整秩次编秩后,计算RSR、累计频次,根据“百分比与概率单位对照表”,确定相应的Probit值。
科室 | AUD | 秩次1 | CMI | 秩次2 | RSR | ƒ | Σƒ | R | R | R/N×100% | Probit |
A13 | 145.04 | 1.11 | 0.99 | 3.17 | 0.066 9 | 1 | 1 | 1 | 1 | 3.13 | 3.139 3 |
B2 | 145.57 | 1.00 | 1.52 | 5.96 | 0.108 8 | 1 | 2 | 2 | 2 | 6.25 | 3.465 9 |
A4 | 104.34 | 9.86 | 0.87 | 2.53 | 0.193 6 | 1 | 3 | 3 | 3 | 9.38 | 3.682 3 |
A17 | 84.74 | 14.07 | 1.13 | 3.90 | 0.280 8 | 1 | 4 | 4 | 4 | 12.50 | 3.849 7 |
B9 | 53.84 | 20.71 | 0.8 | 2.16 | 0.357 3 | 1 | 5 | 5 | 5 | 15.63 | 3.990 2 |
B3 | 37.48 | 24.22 | 0.72 | 1.74 | 0.405 7 | 1 | 6 | 6 | 6 | 18.75 | 4.112 9 |
B1 | 31.24 | 25.56 | 0.58 | 1.00 | 0.415 1 | 1 | 7 | 7 | 7 | 21.88 | 4.223 7 |
A7 | 38.41 | 24.02 | 0.94 | 2.90 | 0.420 7 | 1 | 8 | 8 | 8 | 25.00 | 4.325 5 |
B6 | 47.09 | 22.16 | 1.3 | 4.80 | 0.421 2 | 1 | 9 | 9 | 9 | 28.13 | 4.421 3 |
B4 | 47.11 | 22.15 | 1.37 | 5.17 | 0.427 0 | 1 | 10 | 10 | 10 | 31.25 | 4.511 2 |
A6 | 43.01 | 23.03 | 1.28 | 4.70 | 0.433 3 | 1 | 11 | 11 | 11 | 34.38 | 4.597 9 |
A12 | 41.71 | 23.31 | 1.26 | 4.59 | 0.436 0 | 1 | 12 | 12 | 12 | 37.50 | 4.681 4 |
A10 | 36.88 | 24.35 | 1.13 | 3.90 | 0.441 5 | 1 | 13 | 13 | 13 | 40.63 | 4.763 0 |
A11 | 34.66 | 24.83 | 1.2 | 4.27 | 0.454 7 | 1 | 14 | 14 | 14 | 43.75 | 4.842 7 |
A8 | 26.94 | 26.49 | 1.12 | 3.85 | 0.474 1 | 1 | 15 | 15 | 15 | 46.88 | 4.921 7 |
B7 | 51.39 | 21.23 | 2.23 | 9.71 | 0.483 6 | 1 | 16 | 16 | 16 | 50.00 | 5.000 0 |
B8 | 35.88 | 24.57 | 1.78 | 7.34 | 0.498 5 | 1 | 17 | 17 | 17 | 53.13 | 5.078 8 |
A16 | 14.76 | 29.10 | 0.94 | 2.90 | 0.500 1 | 1 | 18 | 18 | 18 | 56.25 | 5.157 3 |
A3 | 10.87 | 29.94 | 0.82 | 2.27 | 0.503 2 | 1 | 19 | 19 | 19 | 59.38 | 5.237 3 |
B10 | 2.06 | 31.83 | 0.58 | 1.00 | 0.513 0 | 1 | 20 | 20 | 20 | 62.50 | 5.318 6 |
B12 | 39.89 | 23.71 | 2.18 | 9.45 | 0.518 0 | 1 | 21 | 21 | 21 | 65.63 | 5.402 4 |
A15 | 31.90 | 25.42 | 1.92 | 8.08 | 0.523 4 | 1 | 22 | 22 | 22 | 68.75 | 5.488 8 |
A9 | 1.28 | 32.00 | 0.69 | 1.58 | 0.524 7 | 1 | 23 | 23 | 23 | 71.88 | 5.579 3 |
A14 | 4.32 | 31.35 | 0.84 | 2.37 | 0.526 9 | 1 | 24 | 24 | 24 | 75.00 | 5.674 5 |
A5 | 16.41 | 28.75 | 1.35 | 5.07 | 0.528 4 | 1 | 25 | 25 | 25 | 78.13 | 5.777 0 |
B15 | 49.76 | 21.58 | 2.82 | 12.83 | 0.537 7 | 1 | 26 | 26 | 26 | 81.25 | 5.887 1 |
A1 | 33.27 | 25.13 | 2.34 | 10.29 | 0.553 5 | 1 | 27 | 27 | 27 | 84.38 | 6.010 2 |
B13 | 50.14 | 21.50 | 3.32 | 15.47 | 0.577 7 | 1 | 28 | 28 | 28 | 87.50 | 6.150 3 |
B11 | 45.30 | 22.54 | 3.44 | 16.10 | 0.603 8 | 1 | 29 | 29 | 29 | 90.63 | 6.318 3 |
A2 | 17.25 | 28.57 | 2.49 | 11.09 | 0.619 6 | 1 | 30 | 30 | 30 | 93.75 | 6.534 1 |
B14 | 37.09 | 24.31 | 5.03 | 24.50 | 0.762 6 | 1 | 31 | 31 | 31 | 96.88 | 6.863 5 |
B5 | 63.87 | 18.55 | 6.45 | 32.00 | 0.789 9 | 1 | 32 | 32 | 32 | 100.00 | 8.090 0 |
A代表内科,B代表外科。 |
累计频率所对应的概率单位值Probit为自变量,以RSR值为因变量,拟合直线回归方程为:RSR=-0.256 3+0.142 2×Probit (R2=0.884 7,F=238.9,P<0.05),Probit为3.139 3~8.090 0。将RSR分为(对应Probit值)上(>6.5)、中上(5.0~6.5)、中(3.5~5.0)、下(<3.5) 4档。
AUD单一评估进行RSR分档与引入CMI调整AUD的RSR分档结果(表 4~5)显示,12个(37.5%)科室的分档结果产生变化;20个科室结果相同,但需要加强管控科室(分档为下和中级别)的总体数量有所上升,由11个科室增加到了13个。引入CMI调整AUD后,管控级别上调的科室有7个(妇产科、皮肤科、神经内科、消化科、风湿免疫科、全科、中医科);引入CMI调整AUD后,管控级别下调的科室有5个(普外科、骨科、胸外科、血管外科、心脏外科)。
分档 | Probit | RSR | 分档结果 |
上 | >6.5 | >0.668 0 | B14、B5 |
中上 | 5.0~6.5 | 0.454 7~0.668 0 | A11、A8、B7、B8、A16、A3、B10、B12、A15、A9、A14、A5、B15、A1、B13、B11、A2 |
中 | 3.5~5.0 | 0.241 4~0.454 7 | A17、B9、B3、B1、A7、B6、B4、A6、A12、A10 |
下 | <3.5 | <0.241 4 | A13、B2、A4 |
A代表内科,B代表外科。 |
分档 | Probit | RSR | 分档结果 |
上 | >6.5 | >0.997 2 | A9 |
中上 | 5.0~6.5 | 0.694 8~0.997 2 | B11、A6、A12、B12、A7、B3、B14、A10、B8、A11、A1、A15、B1、A8、A2、A5、A16、A3、A14、B10 |
中 | 3.5~5.0 | 0.392 4~0.694 8 | A17、B5、B9、B7、B13、B15、B4、B6 |
下 | <3.5 | <0.392 4 | B2、A13、A4 |
A代表内科,B代表外科。 |
引入CMI调整AUD后RSR分档为下和中级别的科室共13个,在2021年7—12月分步推进行政职能科室干预、抗菌药物医嘱点评、临床药师下科室干预以及建立按手术方式建立标准的预防用药路线。干预后,各科室AUD对比结果见表 6。分档级别为下的3个科室均达到AUD下调目的,平均增幅为-33.82%;干预前后,分档级别为中的10个科室中有9个达到AUD下调目的,平均增幅为-19.38%,1个上升(增幅为20.18%),总体管控效果良好。
科室 | 2021年1—6月 | 2021年9月—2022年2月 | 增幅/% | CMI调整AUD的RSR分档管控级别 |
B9 | 53.84 | 44.12 | -18.06 | 中 |
A12 | 41.71 | 32.50 | -22.09 | 中 |
B3 | 37.48 | 28.62 | -23.64 | 中 |
B4 | 47.11 | 35.93 | -23.73 | 中 |
B1 | 31.24 | 37.54 | 20.18 | 中 |
A10 | 36.88 | 32.93 | -10.72 | 中 |
A7 | 38.41 | 31.75 | -17.34 | 中 |
A6 | 43.01 | 41.64 | -3.18 | 中 |
A17 | 84.74 | 50.95 | -39.87 | 中 |
B6 | 47.09 | 39.66 | -15.77 | 中 |
A13 | 145.04 | 137.30 | -5.34 | 下 |
B2 | 145.57 | 31.59 | -78.30 | 下 |
A4 | 104.34 | 85.76 | -17.81 | 下 |
A代表内科,B代表外科。 |
DIP是在疾病诊断与治疗方式组合穷举与聚类的基础上,确定稳定分组并纳入统一目录管理,建立病种分组资源消耗的比较关系、支撑分组应用常态化的应用体系。DIP系统中病种分值及CMI反映了不同病种组合资源程度消耗程度,是不同出院病例的标化单位,反映疾病的严重程度、治疗方式的复杂/疑难程度[16-18]。医院级别不同、科室不同、收治的患者病情严重程度不同,医院与医院、科室与科室之间AUD的直接比较都是不具有说服力的。由于医院、科室结构和任务不同,在国内外均没有明确的抗菌药物使用基准,但CMI与AUD存在显著相关性[19-21]。所以引入CMI来调整各科室AUD指标并分层管控,对医院而言精细化管理的目标更具象化、有说服力;对科室而言,更能配合医院进行高质量的院、科两级管理。
3.2 CMI引入后管控科室变化带来的思考引入CMI调整AUD后管控下调的科室中,普外科、血管外科、心脏外科均属于创新术式较多,收治的患者病情复杂/疑难程度非常高的科室,相对CMI也处于较高水平。此类科室根据CMI调整后,RSR分档属于可暂时不进行严格管控的类别。有研究[22]发现,CMI与窄谱抗菌药物的比例之间存在相关性,CMI越高,β-内酰胺酶敏感青霉素的比例使用越小。究其原因,主要在于许多创新术式和医疗技术消耗资源较多,在实施过程中,往往由于没有国内外指南可借鉴,出于对患者手术安全的考虑,抗菌药物使用级别会略有调高、用药时长会加长,导致科室AUD目前超过了既往管控的目标,但引入CMI后,显示尚处于合理范围。今后需要与科室进一步沟通,在新技术实施过程中逐步加强抗菌药物使用规则。
3.3 管控下调科室AUD进一步管理措施上述这类因CMI高而管控下调的科室中,依旧还有部分病种手术属于0类或Ⅰ类切口,建议设定标准的用药路径,结合计算机决策支持系统(computerized decision support system,CDSS)[23-24]严格管理,不使用抗菌药物或使用具有循证医学证据的第一、二代头孢菌素,并且给出相应剂量和用药时长。对于有明确的抗菌药物使用原则的病种,需要加强干预。
3.4 AUD分档评价模型后续优化方向根据研究结果可以得出,根据CMI进行各科室AUD的分档评价是必要的,未来在本研究基础上纳入主要诊断、主要手术方式、侵入性操作、患者年龄、并发症等因素自然分类形成的病种组合,同时纳入更长时间的数据量,建立更系统的多因素拟合回归模型,进行科室内AUD的评价。
利益冲突:所有作者声明不存在利益冲突。
[1] |
BOWLER P G. Antibiotic resistance and biofilm tolerance: a combined threat in the treatment of chronic infections[J]. J Wound Care, 2018, 27(5): 273-277.
[DOI]
|
[2] |
CUNHA C B, OPAL S M. Antibiotic stewardship: strategies to minimize antibiotic resistance while maximizing antibiotic effectiveness[J]. Med Clin North Am, 2018, 102(5): 831-843.
[DOI]
|
[3] |
CAMPION M, SCULLY G. Antibiotic use in the intensive care unit: optimization and de-escalation[J]. J Intensive Care Med, 2018, 33(12): 647-655.
[DOI]
|
[4] |
KING L M, FLEMING-DUTRA K E, HICKS L A. Advances in optimizing the prescription of antibiotics in outpatient settings[J]. BMJ, 2018, 363: k3047.
|
[5] |
国家卫生健康委医院管理研究所. 关于印发"提高住院患者抗菌药物治疗前病原学送检率"专项行动指导意见的函[S]. 国卫医研函[2021] 198号, 2021-10-29. National Institute of Hospital Administration. On the issuance of the special action guideline of "Improving the rate of pathogen detection in inpatients before antimicrobial treatment"[S]. China Health Medical Research Letter[2021] 198, 2021-10-29. |
[6] |
国务院办公厅. 关于加强三级公立医院绩效考核工作的意见[S]. 国办发[2019] 4号, 2019-01-30. General Office of the State Council. Opinions on strengthening performance appraisal of tertiary public hospitals[S]. State Administration and Development[2019] 4, 2019-01-30. |
[7] |
国家卫生健康委员会. 关于印发三级医院评审标准(2020年版)的通知[S]. 国卫医发[2020] 26号, 2020-12-21. National Health Commission. Notice on the issuance of evaluation standards for tertiary hospitals (2020 edition)[S]. National Health Medical Development[2020] 26, 2020-12-21. |
[8] |
KOLLEF M H, SHORR A F, BASSETTI M, et al. Timing of antibiotic therapy in the ICU[J]. Crit Care, 2021, 25(1): 360.
[DOI]
|
[9] |
ABDULLA A, DIJKSTRA A, HUNFELD N G M, et al. Failure of target attainment of beta-lactam antibiotics in critically ill patients and associated risk factors: a two-center prospective study (EXPAT)[J]. Crit Care, 2020, 24(1): 558.
[DOI]
|
[10] |
LELIGDOWICZ A, MATTHAY M A. Heterogeneity in sepsis: new biological evidence with clinical applications[J]. Crit Care, 2019, 23(1): 80.
[DOI]
|
[11] |
国家医疗保障局. 关于印发按病种分值付费(DIP)医疗保障经办管理规程(试行)的通知[S]. 医保办发[2021] 27号, 2021-07-15. National Healthcare Security Administration. Notice on printing and distributing the DIP-based medical insurance administration management rules (Trial)[S]. National Healthcare Security Administration[2021] 27, 2021-07-15. |
[12] |
WATTIER R L, THURM C W, PARKER S K, et al. Indirect standardization as a case mix adjustment method to improve comparison of children's hospitals' antimicrobial use[J]. Clin Infect Dis, 2021, 73(5): 925-932.
[DOI]
|
[13] |
YU K C, MOISAN E, TARTOF S Y, et al. Benchmarking inpatient antimicrobial use: a comparison of risk-adjusted observed-to-expected ratios[J]. Clin Infect Dis, 2018, 67(11): 1677-1685.
[DOI]
|
[14] |
沈惠, 宇传华. 基于TOPSIS法和非整秩次RSR法1998-2017年武汉市妇幼保健工作质量综合评价[J]. 公共卫生与预防医学, 2019, 30(5): 20-24. SHEN H, YU C H. Comprehensive evaluation of maternal and child health care service based on TOPSIS and non-integral RSR methods in Wuhan, 1998-2017[J]. J Public Health Prev Med, 2019, 30(5): 20-24. [CNKI] |
[15] |
吴文娟, 兰丽娜. 基于非整秩次秩和比法综合评价北京市社区卫生服务现状[J]. 中国卫生经济, 2020, 39(7): 72-74. WU W J, LAN L N. Taking comprehensive evaluation on the current status of Beijing community health services by non-integral RSR[J]. Chin Health Econ, 2020, 39(7): 72-74. [CNKI] |
[16] |
许速, 谢桦, 崔欣, 等. 基于大数据的病种分值付费的原理与方法[J]. 中国医疗保险, 2020(9): 23-28. XU S, XIE H, CUI X, et al. Principle and method of the big data diagnosis-intervention packet (DIP) payment system[J]. China Health Insur, 2020(9): 23-28. [CNKI] |
[17] |
HYER J M, TSILIMIGRAS D I, DIAZ A, et al. A higher hospital case mix index increases the odds of achieving a textbook outcome after hepatopancreatic surgery in the Medicare population[J]. Surgery, 2021, 170(5): 1525-1531.
[DOI]
|
[18] |
YIADOM M Y A B, BAUGH C W, BARRETT T W, et al. Measuring emergency department acuity[J]. Acad Emerg Med, 2018, 25(1): 65-75.
[DOI]
|
[19] |
SINGH P, STEURER M A, CANTEY J B, et al. Hospital-level antibiotic use and complexity of care among neonates[J]. J Pediatric Infect Dis Soc, 2020, 9(6): 656-663.
[DOI]
|
[20] |
龚伟伟, 赵太宏, 肖雨龙, 等. 2017-2019年南京市第一医院CMI指数调整抗菌药物使用强度的秩和比法评价[J]. 中国抗生素杂志, 2021, 46(10): 975-979. GONG W W, ZHAO T H, XIAO Y L, et al. RSR evaluation of CMI-index-adjusted antimicrobial use intensity in Nanjing First Hospital from 2017 to 2019[J]. Chin J Antibiot, 2021, 46(10): 975-979. [DOI] |
[21] |
MOMATTIN H, AL-ALI A Y, MOHAMMED K, et al. Benchmarking of antibiotic usage: an adjustment to reflect antibiotic stewardship program outcome in a hospital in Saudi Arabia[J]. J Infect Public Health, 2018, 11(3): 310-313.
[DOI]
|
[22] |
SCHRÖDER S, KLEIN M K, HEISING B, et al. Sustainable implementation of antibiotic stewardship on a surgical intensive care unit evaluated over a 10-year period[J]. Infection, 2020, 48(1): 117-124.
[DOI]
|
[23] |
DELORY T, JEANMOUGIN P, LARIVEN S, et al. A computerized decision support system (CDSS) for antibiotic prescription in primary care-Antibioclic: implementation, adoption and sustainable use in the era of extended antimicrobial resistance[J]. J Antimicrob Chemother, 2020, 75(8): 2353-2362.
|
[24] |
DELORY T, JEANMOUGIN P, LARIVEN S, et al. A computerized decision support system (CDSS) for antibiotic prescription in primary care-Antibioclic: implementation, adoption and sustainable use in the era of extended antimicrobial resistance[J]. J Antimicrob Chemother, 2020, 75(8): 2353-2362.
|