《Indian Journal of Medical Microbiology》：Decoding moxifloxacin resistance in pre-XDR tuberculosis using MGIT 960 and MYCOTB AST
编辑推荐：
D. Daniel Raj|Anand Kumar Maurya|Shashank Purwar|Sagar Khadanga|Jitendra Singh|Alkesh Kumar Khurana|Sowmya Dhawan|Debasis Biswas印度医学科学研究院（AI
D. Daniel Raj|Anand Kumar Maurya|Shashank Purwar|Sagar Khadanga|Jitendra Singh|Alkesh Kumar Khurana|Sowmya Dhawan|Debasis Biswas
印度医学科学研究院（AIIMS）医学实验室技术（微生物学）硕士，博帕尔
摘要
背景与目的
莫西沙星耐药结核病的治疗因异质性耐药、高耐药率、基因型与表型不一致、药代动力学拮抗以及需要个性化治疗方案而变得复杂。因此，基于可靠的最小抑菌浓度（MIC）的药物敏感性检测对于优化治疗至关重要。本研究旨在以BACTEC MGIT 960作为参考方法，Sensititre MYCOTB AST平板作为检测方法，比较耐多药结核病分离株对莫西沙星的MIC值。
方法
这项前瞻性实验室对比研究收集了常规患者样本的剩余部分，对其进行培养，从通过线探针分析显示出二线药物耐药的BACTEC MGIT试管中获取分离株，然后于2025年7月至2026年2月期间在印度中部的三级医疗机构中对这些分离株进行检测。非结核分枝杆菌以及信息不全的样本被排除在外。符合条件的分离株使用MGIT 960和Sensititre MYCOTB AST进行检测，结果解读采用盲法。同时评估了诊断的准确性和一致性。
结果
在筛选的9,369个样本中，有30个耐前多药结核病的分离株符合纳入标准。在莫西沙星药物敏感性检测方面，Sensititre MYCOTB AST的敏感度为100%，特异性为66.7%，总体准确率为96.75%，且与MGIT 960的结果高度一致（Cohen’s kappa值为0.783）。该检测方法还能提供定量的MIC范围，检测时间更短，资源需求较低，且操作流程更为简化。
结论
两种方法在莫西沙星药物敏感性检测方面具有良好的一致性。由于其操作简单且能够反映MIC的差异性，该检测方法在常规药物敏感性检测以及基于MIC的耐前多药结核病治疗管理中具有应用价值。
章节节选
引言
在某些地方性流行地区，结核病中的耐药菌株比例高得惊人。根据上海开展的基因组流行病学研究，多重耐药结核病分离株中莫西沙星耐药率从2007年的12.5%上升至2013年的35%以上。D94G突变导致了几乎一半的氟喹诺酮类药物耐药病例。[1] 一个临床分离株可能同时存在药物敏感型和耐药型
研究设计
在数据收集和检测之前，先进行了诊断准确性的前瞻性比较评估。所有实验室分析均按照预先定义的方案进行。这种研究设计被称为“实验室对比设计”，即对比检测方法（Sensititre MYCOTB AST平板）与参考标准（BACTEC MGIT 960）。为确保方法的清晰性和一致性，遵循了STARD 2015报告指南。
患者的社会人口学状况与特征
在研究期间，共收到9369个样本，其中来自印度中部的30个经线探针分析确认的耐前多药结核病分离株符合纳入标准，这些较为罕见的分离株被纳入了分析范围。STARD流程图（图1）总结了样本的纳入和排除标准。从地理分布来看，超过一半的分离株来自博帕尔及其周边地区（53.3%），其次是萨加尔（13%）和达莫赫（6.7%），其余30%来自中央邦的多个地区，
讨论
Sensititre MYCOTB AST平板能够提供特定浓度范围内的定量MIC值，相比分类法，可以更细致地评估氟喹诺酮类药物的效果。尽管两种方法都可能将某分离株归为敏感型，但其在该浓度范围内的MIC值可能存在差异。那些MIC值接近临界值的分离株可能属于临界敏感型，其临床意义也有所不同。因此，基于MIC的检测方法能提供更详细的
结论
经过全面评估可以发现，将MYCOTB AST与线探针分析结合用于莫西沙星药物敏感性检测的常规流程，可在制定治疗方案、实现个性化治疗以及取得更好疗效方面发挥临床作用，有助于克服异质性耐药、药代动力学拮抗、表型与基因型不一致等问题，尤其是针对耐莫西沙星的前多药结核病患者。除了诊断准确性之外，该检测方法还具有检测速度快等实际优势，
利益冲突声明
Daniel Raj D先生、Alkesh Kumar Khurana博士、Jitendra Singh博士、Shashank Purwar博士、Sagar Khadanga博士、Debasis Biswas博士、Soumya Dhawan博士以及Anand Kumar Maurya博士声明，他们不存在任何可能影响本研究所汇报工作的利益冲突，包括财务、个人、职业或机构方面的关系。
开放获取/出版模式
本文采用订阅制（非开放获取）出版模式提交。没有收取开放获取出版费用。
人工智能的应用
在撰写本文时，作者使用了Grammarly工具来编辑和完善文本。在使用该工具/服务后，作者对内容进行了必要的审阅和修改，并对最终发表文章的内容负全责。
CRediT作者贡献说明
Alkesh Kumar Khurana：写作——审阅与编辑，监督，项目管理。Soumya Dhawan：写作——审阅与编辑，验证，方法学，研究实施。Sagar Khadanga：写作——审阅与编辑，验证，资源协调。Jitendra Singh：写作——审阅与编辑，验证，正式分析。Debasis Biswas：写作——审阅与编辑，监督，资源协调，项目管理，概念构思。Shashank Purwar：写作——审阅与编辑，验证，监督，
数据可用性
如需，通讯作者可提供在本研究过程中创建和分析的数据集及图片。
伦理声明
本研究已获得博帕尔印度医学科学研究院机构人类伦理委员会的伦理批准（批准编号：IHECSR/AIIMSBhopal/July 25/02，批准日期为2025年7月23日）。本研究使用的为BACTEC MGIT系统中常规的剩余分离株，无需直接接触患者，且已获得使用这些分离株的许可。
资金支持
本研究得到了博帕尔印度医学科学研究院提供的外部研究经费支持。AIIMS并未参与本研究的设计、数据收集、分析、解释或论文撰写等工作。
利益冲突声明
作者们声明，他们不存在任何可能影响本研究所汇报工作的已知利益冲突，包括财务利益或个人关系。
具体而言，各位作者均未从事与本研究相关的就业、咨询、股票持有、报酬领取、有偿专家证词、专利申请或注册、科研资助等方面的工作，不存在可能被视为利益冲突的情况。
各位作者均未担任任何编辑职务
