Berliner und Münchener Tierärztliche Wochenschrift 118

© Schlütersche Verlagsgesellschaft mbH & Co. KG. 2005

Publiziert: 08/2005

Zusammenfassung

Eine Überwachung der Resistenzsituation bei Bakterien von Nutztieren ist notwendig, weil resistente Keime von Nutztieren auch zu einer Gefährdung des Therapieerfolges beim Menschen beitragen können. In der Schweiz wird zur Zeit ein Monitoringprogramm mit dem Ziel aufgebaut, Änderungen in der Resistenzsituation bei Bakterien von Nutztieren frühzeitig zu erkennen, damit entsprechende Maßnahmen getroffen und deren Wirkungen überprüft werden können. Als Basis für das Monitoringprogramm wurden bei ausgewählten Tierarten und Bakterienspezies Daten zur aktuellen Resistenzlage gesammelt. Die Daten zur Prävalenz der Bakterien und deren Resistenzmuster bei Geflügel wurden verwendet, um den gewählten Probennahmeplan zu optimieren. In einem Monte Carlo Simulationsmodell wurde untersucht, welchen Einfluss die Untersuchung einer größeren Zahl von Betrieben im Vergleich zur Untersuchung einer größeren Zahl von Tieren pro Betrieb auf die Genauigkeit des Schätzwertes der Prävalenz von Resistenzen hat. Unter Berücksichtigung der Kosten von Probennahme, Probentransport und Laboranalysen wurde die optimale Kombination von Probenzahl und Probennahmestelle berechnet, um eine möglichst genaue Prävalenzschätzung bei minimalen Kosten zu erreichen. In Zukunft werden das Modell und die daraus resultierenden Empfehlungen auf andere Tierarten und Bakterienspezies ausgedehnt.

Summary

Resistant bacteria from food-producing animals may compromise the success of antibiotic treatment in animals and in humans. Therefore, the level of antibiotic resistance in bacteria from farm animals and its development over time needs to be monitored. In Switzerland, a monitoring program for antibiotic resistance is currently being developed. Pilot-monitoring programs were conducted in selected animal species in order to obtain current data on antibiotic resistance. The data on the prevalence of bacteria and antibiotic resistance in poultry were used to optimize the sampling plan. The influence of sampling more farms compared to sampling more animals per farm on the prevalence estimate for antibiotic resistance was analyzed by a Monte Carlo simulation model. Accounting for the costs for sample collection, transportation and laboratory analysis of the samples, the number of samples to be taken at the respective step in the production line was optimized. Optimization was defined as maximizing the precision of the prevalence estimate while minimizing the costs. The model will be expanded to other bacterial and animal species in the future.