解析抗生素药效学评估指标总结2026

解析抗生素药效学评估指标总结2026在设计合理的抗生素治疗时，全面理解抗生素与细菌之间复杂的相互作用是先决条件。本文聚焦于药效学（PD），根据欧洲药品管理局（EMA）的定义，药效学是指游离抗生素浓度随时间变化与所产生的抗菌效应之间的关系。本文的重点是全面总结现有的抗生素药效学指标及其多样化的应用领域（图1）。本文探讨了不同药效学指标的潜力、优势和局限性，为推进抗生素研究、开发、临床应用和监测提供了宝贵的资源。最后，我们呈现了全面的药效学数据分析和建模方法，并讨论了它们的潜力和获益（药效学数据分析和建模章节）。

图1.药效学指标的应用领域及其特定目标药效学指标药效学指标旨在提供关于抗生素效应的信息。然而，在患者体内直接测量这种抗生素效应具有挑战性，因此，依赖体外数据是一种颇具吸引力的替代方案。因此，体外实验的设计和执行对于准确捕获抗生素对目标病原体的效应至关重要。体外实验的设计包括数据收集的方法以及所选择的收集时间点及其数量。这些方面将影响所获得的关于该动态系统的信息。不同药效学指标的读数可划分为二元读数（例如，浑浊/不浑浊和菌落生长/不生长，图2，左半部分）和非二元/连续性读数（例如，600nm波长处的光密度（OD₆₀₀）和每毫升菌落形成单位（cfu/mL），图2，右半部分）。作为二元读数，肉眼观察浑浊度因其时间效益和成本效益而被常规用于药敏试验，例如在临床微生物学中，并作为测定MIC的肉汤稀释法的基础。然而，阴性肉眼浑浊度读数并不必然表示细菌被完全根除。例如，对于大肠埃希菌，肉眼可见浑浊度的下限约为10⁷cfu/mL，这意味着一个清澈的微孔或试管中可能含有活菌，应谨慎解读（图2：中间清澈的试管，但平板接种显示有菌落）。另一种二元读数是经过规定时间孵育后是否存在活菌落（后续称为“生长/无生长”），这可以揭示在特定抗生素浓度下是否实现了细菌根除（图2，左半部分，下排琼脂平板）。连续性读数如cfu/mL（例如通过平板计数法测定）或OD₆₀₀，能比二元读数提供更多关于细菌动态变化的药效学信息（图2，右半部分）。平板计数法可用于测定活菌计数，而OD₆₀₀作为一种光度测定法，仅能测量生物量的增加，无法检测活力的下降。然而，使用OD₆₀₀测量法，尤其是平板计数法，与二元读数相比，劳动强度更大。

图2.微生物学实验不同读数的示意图：二元（左）和连续性（右）灰色框标示不同读数类型二元读数分为浑浊/不浑浊（上排，橙色试管表示浑浊液体，透明试管表示清澈）和生长/无生长（下排，橙色点表示琼脂平板上的菌落，空白平板表示无生长）。基于二元读数得出的各种单时间点药效学指标已用黑色边框框出标示。连续性读数分为通过分光光度测量获得的OD₆₀₀（上排）或通过平板计数法获得的cfu/mL（下排）。基于连续性读数可推导出多种药效学指标，如表1所总结。例如，EC₉₀/IC₉₀可基于抗生素浓度-效应曲线或药效学模型（如Emax模型）得出（基于连续性读数，见右侧面板）。MSW，突变选择窗。

表1药效学指标总结指标定义读数类型适用性劳动强度属性单时间点数据的药效学指标(a)预设时间点指标——基于最低浓度的指标最低抑菌浓度

(MIC)在体外规定的实验条件下和规定的时间周期内，能阻止细菌可见生长的最低浓度BAB,AB+NON-AB低基本标准指标最低杀菌浓度

(MBC)孵育24小时后能杀灭99.9%接种菌量的最低抗菌药物浓度BAB,AB+NON-AB低比MIC信息更丰富的扩展指标；亦称最低致死浓度最低抗菌浓度

(MAC)使细菌数量降低1个log10，或通过光学/电子显微镜观察到细菌发生结构变化的最低浓度BAB,AB+NON-AB低设定抗生素效应的下限阈值突变选择窗由抑制野生型细菌生长所需的最低浓度（MIC₉₉）至抑制最不敏感单步骤突变株生长所需的浓度（MPC）组成的浓度范围BAB,AB+NON-AB中提供异质性细菌群体的额外信息；有助于在考虑突变的情况下优化治疗MIC₉₉抑制99%敏感菌细胞生长的抗生素浓度BAB,AB+NON-AB中定义突变选择窗的下限防突变浓度

(MPC)抑制最不敏感单步骤突变株生长所需的抗菌药物浓度BAB,AB+NON-AB中定义突变选择窗的上限(b)预设时间点指标——非基于最低浓度的指标90%抑制浓度/90%有效浓度

(IC₉₀/EC₉₀)发挥90%抑制效应/90%细菌杀灭效应的抗生素浓度CAB,AB+NON-AB,AB+AB,N*AB中通用药效学指标，也应用于其他治疗领域降低2个log10与初始接种量相比，cfu/mL降低2个log10CAB,AB+NON-AB,AB+AB,N*AB中/高用于体外-体内转化的替代指标（在体外观察到2个log10降低时预期具有临床疗效）(c)无预设时间点指标99%/99.9%最小杀菌时间

(MDK₉₉/MDK₉₉.₉)杀灭99%/99.9%细菌群体所需的最短抗生素治疗时间CAB,AB+NON-AB,AB+AB,N*AB中提供细菌群体表型行为的额外信息抗生素后效应

(PAE)去除抗菌药物后细菌生长的持续性抑制；暴露细菌在抗生素洗脱后与生长对照相比实现1个log10生长所需时间的差值BAB中有助于研究抗生素效应的延迟，并利用此知识设计有效且安全的给药方案(d)抗菌药物联合治疗的药效学指标联合抑菌分数

(FIC)比较抗生素单独使用与联合使用时抗生素效应的指标BAB+NON-AB,AB+AB低抗生素联合用药的标准指标瞬时最低抑菌浓度

(MICi)在不同β-内酰胺酶抑制剂浓度下测定的抗菌药物MICBAB+NON-AB低仅用于β-内酰胺类抗生素与β-内酰胺酶抑制剂联合用药的特殊指标纵向数据的药效学指标生长对照与杀菌曲线下面积差值

(ABBC)生长对照（GC）曲线下面积与细菌杀菌曲线下面积之间的差值LAB,AB+NON-AB,AB+AB,N*AB高在一个或多个时间点与生长对照相比，衡量细菌杀灭效应的指标对数比率面积暴露与未暴露细菌的CFU-时间曲线下面积之比的对数LAB,AB+NON-AB,AB+AB,N*AB高在杀菌曲线实验中总结细菌效应的指标药效学最低抑菌浓度

(zMIC)杀灭作用与生长达到平衡时的抗菌药物浓度LAB,AB+NON-AB,AB+AB,N*AB高适用于使用生长和杀灭速率的模型累积生长对照与杀菌曲线下面积差值

(cumABBC)在暴露时间内，生长对照曲线与细菌杀菌和再生长曲线之间的累积面积差值LAB,AB+NON-AB,AB+AB,N*AB高保留在任何给定时间点关于细菌效应的信息←左右滑动查看完整表格→注：

a读数类型：B=二元读数（Binary），C=连续性读数（Continuous），L=纵向数据（Longitudinal）。

b适用性：AB=抗生素（Antibiotic），NON-AB=非抗生素化合物（Non-antibioticcompound），N*AB=新型抗生素/方式（Novelantibiotic/modality）。

缩写：GC=生长对照（Growthcontrol），TKC=杀菌曲线（Time-killcurve），CFU=菌落形成单位（Colony-formingunits）。抗生素药效学指标可根据实验设计进一步划分为单时间点药效学指标和纵向数据药效学指标。基于单时间点评估的指标，如MIC，提供了系统在特定时间点的即时信息。如果时间点是预设的，读数通常是导致某种抗生素效应的抗生素浓度（“预设时间点指标——基于最低浓度的指标”和“预设时间点指标——非基于最低浓度的指标”章节）。如果时间点未预设，读数通常是时间，例如达到某种抗生素效应所需的时间（“无预设时间点指标”章节）。这些指标本身缺乏关于单时间点之前或之后系统的信息。为捕获系统动态，应在一段特定时间内收集多个数据点，从而产生纵向数据的指标（“纵向数据的药效学指标”章节）。针对单时间点数据的药效学指标预设时间点指标——基于最低浓度的指标MIC目前是抗生素领域的标准药效学指标，被整个科学界（包括研究人员、实验室科学家、临床医生等）所使用和引用。MIC通常被定义为“在体外规定的实验条件下和规定的时间周期内，能阻止细菌可见生长的最低浓度（mg/L）”（图2，左半部分，上排）。肉眼读数为解释提供了简便快捷的结果；然而，实验选择的抗生素浓度范围基于log₂倍比稀释，导致其估算值不够精确，尤其是在较高浓度时。MIC测定有不同的实验设置，具体取决于应用目的。对于临床MIC折点，EUCAST主要参考ISO20776-1中描述的肉汤微量稀释参考方法。CLSI则参考其M07文件《需氧生长细菌的稀释法抗菌药物敏感性试验方法》。根据EUCAST的分类，基于MIC将抗生素对某一菌株的临床MIC折点定义为S（敏感）、I（敏感，需增加暴露量）和R（耐药）。这三类旨在反映预期治疗成功的可能性。CLSI使用类似的定义。最低杀菌浓度（MBC），也称为最低致死浓度，通常在MIC测定之后得出（图2，左半部分/下排）。MBC基于生长/无生长读数，描述的是“在孵育24小时后能杀灭99.9%接种菌量的最低抗菌药物浓度”，对应于菌量降低3个log₁₀。因此，依赖MBC而非MIC可能提高制定合理治疗策略的成功率，因为MBC与体外细菌根除直接相关。然而，在低于MIC的浓度下，也可以观察到抗生素的杀菌效应。最低抗菌浓度（MAC）代表了抗生素杀菌效应的下限阈值。MAC定义为细菌数量降低1个log₁₀，或通过光学显微镜或电子显微镜观察到细菌发生结构变化的最低浓度。MAC可用于定义MIC/MAC比值，该比值越高，表示抗生素在更低浓度下即具有活性。这可为已知具有毒性的抗生素设计优化给药方案提供指导，对于这些药物而言，低剂量更为可取。细菌群体可能具有异质性，并非同一群体中的所有细菌对同一种抗生素都表现出相同的敏感性。突变选择窗是一个相关指标，描述了可能发生突变株选择的临界浓度范围。定义该窗口的抗生素浓度是抑制99%细胞所需的最低浓度（MIC₉₉）和防突变浓度（MPC），即抑制最不敏感的单一步骤突变株生长所需的浓度（图2，左半部分，下排）。预设时间点指标——非基于最低浓度的指标另一种评估抗生素效应的方法是通过绘制抗生素浓度-效应关系图并进行图形可视化解读。通过这种方法可获得IC₉，即产生90%抑制效应的药物浓度，也称为EC₉₀，即产生90%细菌杀灭效应的药物浓度。为测定某种抗生素的这一指标，可将某一时间点的cfu/mL或OD₆₀₀数据，或据此推导出的细菌杀灭效应，对抗生素浓度作图，通过图形读取或应用Emax模型估算即可获得IC₉₀/EC₉₀（图2，右半部分；另见“房室建模”章节，公式4）。第二个既定的、可通过抗生素浓度-效应图进行可视化解读的指标是，在24小时后使细菌浓度较初始接种量降低2个log₁₀所需的抗生素浓度（图3a）。由于降低2个log₁₀意味着消除99%的细菌，该指标被确立为界定抗生素充分效应的标准。用于测定2个log₁₀降低量的抗生素浓度-效应数据，可随时间推移在例如经典的杀菌曲线（TKC）实验中收集。对于基于TKC数据测定2个log₁₀的降低量，通常选择某一特定时间点，例如24小时。上述预设时间点药效学指标汇总于表1(a)（基于最低浓度的指标）和表1(b)（非基于最低浓度的指标）。图3.暴露于三种不同假设抗生素浓度后的细菌生长对照（GC）和细菌杀菌曲线·黑点表示观测数据点。-黑色实线表示PK/PD模型预测的未暴露于抗生素时GC的轨迹。--黑色虚线和点线分别表示低、中、高浓度抗生素暴露后模型预测的生长和杀灭轨迹。（a）通过比较选定时间点（如24小时）的细菌浓度与初始接种量的差异来解读2log降低量这一指标；图中以中浓度抗生素暴露为例，垂直绿线标示所选时间点。（b）在选定时间点（如24小时）获得生长曲线与杀菌曲线下面积差值（ABBC）；图中以最低浓度抗生素暴露为例。（c）图改编自Seeger等人，显示暴露时间内GC与细菌杀菌及再生长曲线之间的累积面积差值（cumABBC(t)），可在每个采样时间点t进行累计评估；图中以最低浓度抗生素暴露为例。GC，生长对照。无预设时间点指标作为其自然行为的一部分，细菌群体可能随时间推移发生变化以适应环境，尤其是在抗生素暴露期间。由于这些变化发生的时间点在实验实施之前是未知的，因此无法预设采样时间点。因此，需要在多个时间点采集多个样本，以界定，例如，产生明确抗生素效应所需的最短治疗时间。与抗生素效应相关的、令人感兴趣的细菌变化，可能涉及基因型进化或表型适应，后者常被称为耐受性或持留性。因此，认识到细菌群体内部的异质性很重要，因为耐药、持留或耐受的亚群可能具有逃避抗生素杀灭效应的能力。对于持留或耐受亚群，与非耐受或非持留群体相比，可能需要更长的时间才能达到显著的杀灭效果。为研究这种表型行为，杀灭特定比例细菌（例如99%或99.9%）所需的典型抗生素治疗持续时间，即最小杀菌时间，可用作药效学指标。某些类别的抗生素在浓度降至MIC以下后，仍能保持有效，这被称为抗生素后效应（PAE）。PAE主要基于活菌计数来定义。在体外，细菌先短时间暴露于数倍MIC的抗生素中，随后进行清洗去除抗生素。PAE表示在抗生素清洗后，暴露过的细菌与生长对照（GC）相比，实现1个log₁₀生长所需时间的差值。PAE的存在可影响治疗效果，在设计最佳给药方案时应予以考虑。上述无预设时间点的药效学指标汇总于表1(c)。抗菌药物联合治疗的药效学指标联合治疗是治疗多重耐药菌感染的一种有前景的策略。因此，表征两种（或更多种）抗菌化合物联合作用及其相互作用的药效学指标非常重要。一种常用于表征抗生素相互作用的指标是联合抑菌分数（FIC）。FIC存在多种定义，因此应始终予以明确。最常见的是，每种单药的FIC计算为其在联合用药中的MIC与该药单用时的MIC之比（公式1，以抗生素A的FIC为例）。累积FIC由各单药的FIC值相加得出，也称为FIC指数（FICi，公式2，以抗生素A至Z为例）。考虑到MIC的变异范围（1至2个log₂倍稀释），协同作用定义为FICi≤0.5，相加/无关作用定义为FICi>0.5至4，拮抗作用定义为FICi>4。除了联用两种活性抗菌药物外，β-内酰胺类抗生素常与β-内酰胺酶抑制剂联合给药。根据EUCAST和CLSI指南，抗生素/β-内酰胺酶抑制剂复方的MIC是使用固定的β-内酰胺酶抑制剂浓度来测定的。然而，在治疗过程中，两种药物的浓度均是波动的，了解整个浓度面上的相互作用至关重要。为表征β-内酰胺类抗生素与β-内酰胺酶抑制剂联合用药的合并效应，可采用所谓的瞬时MIC（MICi），它代表了依赖于β-内酰胺酶抑制剂浓度的MIC，是一种考虑了不同β-内酰胺酶抑制剂浓度的改良MIC测定方法。上述抗菌药物联合治疗的药效学指标汇总于表1(d)。药效学指标与药代动力学的整合在体内，药代动力学（PK）与药效学（PD）是内在关联的，因为抗生素浓度驱动着抗生素效应。因此，理解波动的抗生素浓度如何随时间与细菌相互作用，即PK/PD关系，是设计合理抗生素治疗方案的关键（图4）。PK特征可在体内通过临床研究进行，但也可在动态体外感染模型（如中空纤维感染模型）中进行模拟。MIC是当前最常用于将抗生素的抗菌效应与其PK特征相关联的指标，由此产生了所谓的PK/PD指数。抗生素的效应可分类为时间依赖性作用或浓度依赖性作用。随后，MIC可与时间（%fT>MIC）、以浓度-时间曲线下面积定义的抗生素暴露量（fAUC/MIC）或最大浓度（fCmax/MIC）（f代表游离抗生素浓度）相关联（图4）。为探究哪种PK/PD指数最能描述暴露-效应关系，需评价这些指数与预设结局的关联性。对于基于MIC的PK/PD指数，用于评价的预设结局是在剂量分割研究中测得的抗菌效应，该效应以cfu/mL降低1个或2个log₁₀来衡量，例如在动态体外感染模型中或在动物模型（如小鼠肺部或大腿感染模型）中进行。📊图4.单时间点数据的药效学指标与药代动力学特征的关系黑色实线表示模型预测的抗生素浓度-时间特征，黑色圆点表示观测到的抗生素浓度。MIC以及其他药效学指标（如MPC、MBC）可与PK参数（如AUC、Cmax或时间T）相关联，从而推导出PK/PD指数。理论上，不仅MIC可以与PK相关联，其他单时间点指标（如MBC、MIC₉₉或MPC）也可根据具体问题与PK相关联（表2，图4）。例如，将PK与MPC相关联可产生fAUC/MPC指数，该指数已被提议用于评价抗突变给药方案，因为突变预计很少在MPC以上发生。然而，当MPC与AUC等PK参数相关联时，需要定义和评价一个与突变率或耐药进化相关的、而非与抗菌杀灭相关的不同结局。此外，FIC（公式2）也已与PK参数相关联，以确定最能预测疗效的指标。

表2.药代动力学/药效学（PK/PD）指数总结传统上与作为药效学指标的MIC相关联。理论上，其他单时间点数据的药效学指标（见表1）也可与PK参数相关联。指标定义%fT>(PD指标)在24小时周期或一个给药间隔内，游离抗生素浓度超过选定药效学指标（如MIC）的时间百分比。fAUC/(PD指标)游离抗生素浓度-时间曲线下面积（通常为24小时）与选定药效学指标（如MIC）之比。fCmax/(PD指标)给药间隔内游离抗生素最大浓度与选定药效学指标（如MIC）之比。←左右滑动查看完整表格→注：

f

=游离药物浓度（freedrugconcentration）。

%fT>MIC

=给药间隔内游离药物浓度高于MIC的时间百分比。

fAUC/MIC

=游离药物24小时药时曲线下面积与MIC的比值。

fCmax/MIC

=游离药物峰浓度与MIC的比值。纵向数据的药效学指标当抗生素与细菌的相互作用仅在一个特定时间点被观察时，细菌的（再）生长和杀灭动态就会被忽视。而在多种实验设置中随时间推移、通过多个数据采集点获得的纵向数据，能更好地反映这一动态系统。可以根据有或无抗生素暴露的实验来研究效应-时间曲线下面积（即，抗生素暴露曲线：在抗生素暴露下的细菌杀菌曲线；生长曲线：无抗生素暴露的细菌生长对照曲线）。基于这些曲线，并取决于所选的时间间隔，可获得不同的积分参数作为药效学指标。其中之一是生长曲线与抗生素暴露下细菌杀菌及再生长曲线之间的面积差值（ABBC），可用于表征抗菌效应（图3b）。另一个基于积分的药效学指标是“对数比率面积”（公式3），其通过计算暴露与未暴露细菌曲线的CFU-时间曲线下面积之比得出。公式3对于基于积分的指标，积分的时间点需予以重视。例如，ABBC和对数比率面积将细菌杀菌效应-时间曲线汇总为一个值，因此忽略了曲线的形状和轨迹。因此，反映不同生长、杀灭和再生长行为的不同细菌杀菌曲线可能产生相同的面积值。与此相反，生长曲线与细菌杀菌曲线之间的差异可随时间推移进行累积计算（cumABBC），以保留在任何给定时间点关于细菌效应的信息（图3c）。上述纵向数据的药效学指标汇总于表1的最后部分。药效学数据分析和建模药效学模型的优势在于，它们通过参数估计，能够捕获给定数据（如体外数据）的总体趋势（如细菌浓度随时间的变化）和变异性。通过识别潜在过程及其在数学关系中彼此之间以及与PK的关联，可以借助基于模型的仿真来回答复杂的药物-细菌-宿主系统中的问题。估算出的参数可被解读，以获得对潜在机制、药物效应和/或药物相互作用的理解。此外，药效学模型可与PK模型相连接，然后用于仿真，以优化特定患者群体的抗生素给药方案。针对不同给药方案的仿真也应用于目标达成概率分析中。这些分析用于评价给药方案，基于达到特定PK/PD靶值来预测临床治疗成功的概率。房室建模通过药效学建模，利用纵向数据中包含的所有可用信息，可以进一步分解和量化构成静态时间-杀菌曲线（TKC）实验中所观察到的生长曲线的潜在过程，如生长、杀灭和再生长轨迹。图5展示了一个房室药效学模型的通用示意图结构，该模型分别具有两个不同的房室，分别代表敏感菌和耐药菌两个亚群，以及进入和离开房室以及在房室之间转移的过程（箭头），旨在描述在TKC实验设置中病原体的生长、杀灭和再生长行为。在无药培养基中的细菌生长（自然生长）可表示为cfu随时间的变化，并可根据数据特征、实验设置和具体目标，采用不同的数学生长模型来实现。一种常用的生长模型是逻辑生长模型，该模型基于群体中的初始细胞数（即接种量）和系统的最大容纳量，将生长随时间的变化（即生长速率）联系起来。杀灭速率可用于描述TKC实验中的自然死亡。由于参数的可识别性问题，有时会对净生长进行建模，而非分别对生长和杀灭速率建模。此外，再生长可通过第二个房室中存在的耐药亚群来描述，该亚群具有自身的生长和杀灭参数，同时可估算突变或适应速率（即从敏感亚群向耐药亚群的转移）。图5所示的房室药效学模型可根据现有数据和研究问题进行简化或扩展：例如，可纳入多个耐药亚群和/或随时间推移发生的β-内酰胺酶的酶活性。近期一篇综述已总结了通过PK/PD模型表征抗生素效应时间过程的研究。与其他指标（如MIC）相比，一个特别的优势在于，对于不同的过程，PK/PD模型的所有参数均可被量化，同时确定其变异性和不确定性：实现抗生素效应以描述杀灭行为的一种方法是通过Emax模型来描述药物效应（公式4及图6）。Emax模型包含两个药效学参数：EC₅₀（产生50%最大效应的药物浓度，表示药物的效价）和Emax（最大药物效应，效应是药物浓度的函数）。此外，还可估算Hill系数以描述浓度-效应关系的S形程度。公式4其中E为效应，C为药物浓度，H为Hill系数📊图5.药效学模型的示意图模型结构呈现两个细菌亚群（敏感和耐药）的自然生长和死亡过程。可发生从敏感亚群向耐药亚群的转移（也可能从耐药亚群向敏感亚群转移），并在敏感亚群上实施药物效应。该模型旨在描述TKC实验设置中病原体的生长、杀灭和再生长行为。

图6.由抗生素A的Emax模型给出的浓度-效应关系示意图黑色曲线表示抗生素A的浓度-效应关系。由抗生素B引起EC₅₀值（产生50%最大效应的药物浓度）的变化：绿色曲线表示EC₅₀降低（即抗生素A效价升高），蓝色曲线表示EC₅₀升高（即抗生素A效价降低）。该变化可通过GPDI模型进行数学描述。对于活性抗菌药物联合用药，或活性抗生素与支持该抗生素作用的非抗生素化合物的联合用药，已引入通用药效学相互作用（GPDI）模型来描述和量化药物相互作用的性质、程度和方向。通常，两个单药效应的Emax模型被组合在一起，并添加一个或多个相互作用项。GPDI模型允许量化药效学相互作用，即一种或两种抗生素改变另一种药物的药效学参数，例如使用Emax模型作为药效学相互作用函数来改变最大药物效应（Emax）或/和药物效价（EC₅₀）（图6，以对EC₅₀的相互作用为例）。因此，该模型不仅能够定义相互作用的大小和类型，还能定义其方向，即“主导者”与“受害者”，其中主导者是改变其他（受害）药物药效学参数的药物。其他建模方法还存在其他基于模型的方法来描述抗生素与复杂细菌系统之间相互作用中的动态变化。一个例子是多参数模型。该模型考虑了具有相同MIC值的细菌不一定具有相同浓度-效应关系（即药效学功能）这一事实。该模型（公式5）描述了暴露于抗生素浓度（a）下的细菌群体的净生长速率（ψ），包含描述无抗生素时最大生长速率（ψmax）、高抗生素浓度时最小净生长速率（ψmin）、Hill系数（κ）以及替代传统MIC的药效学MIC（zMIC）等参数。zMIC描述的是净生长速率等于净杀灭速率时的浓度。基于该模型，zMIC越低，杀灭所需抗生素浓度越低；最小净生长速率越低，表示在高抗生素浓度下杀灭作用越强。Hill系数的影响很大程度上取决于抗生素类型和细菌的最大生长速率。公式5第二个不依赖于MIC的方法，即“累积抗生素浓度-时间曲线下面积”，被引入作为动态暴露指标。作为一种新型的、动态的（时间依赖性的）药效学指标，暴露时间内生长对照（GC）与细菌杀菌及再生长曲线之间的累积面积差值（cumABBC(t)）已被推导出来，并相对于该时间点的GC曲线下累积面积（cumAUGC(t)）进行归一化（公式6，图3c）。从该模型中推导出cumAUC₅₀（产生50%最大效应的累积抗生素浓度-时间曲线下面积）和cumAUCreg（发生再生长的累积抗生素浓度-时间曲线下面积）作为参数，用于分类初始细菌减少和比较菌株。CumAUCreg描述细菌菌株的再生长倾向，其值越低，表示在较低抗生素暴露量下即发生再生长。公式6讨论与展望本综述全面总结了已发表的抗生素药效学指标，以作为资源，鼓励