Antibiotikaresistenzen bei Bakterien kommen häufig bei Menschen, unterschiedlichen Tierpopulationen und in der Umwelt vor. Es ist daher wichtig diesen Problemen mit einem sektorübergreifenden Ansatz, wie dem „One Health-Ansatz“, zu untersuchen. Im Rahmen dieses One Health Ansatzes war das Ziel dieser Arbeit eine sektorübergreifende Harmonisierung der Daten von Antibiotikaresistenzen zu untersuchen, um eine verbesserte Einschätzung der derzeitigen Lage und Erkennung von Trends von Antibiotikaresistenzen zu erhalten und verbesserte Maßnahmen dafür abzuleiten. Die Resistenzdaten wurden aus unterschiedlichen Surveillance- und Monitoring Systemen für Menschen und verschiedene Tierpopulationen in Deutschland gewonnen: Antibiotikaresistenz Surveillance System (ARS) für die Resistenzdaten bei Menschen, Zoonosen Monitoring für die Resistenzdaten aus gesunden Nutztieren und Lebensmitteln und GERM-Vet für die Resistenzdaten von Tierpathogenen. Als Modellorganismus wurde die Daten von Escherichia coli (E. coli) aus den drei Systemen verwendet. Zunächst wurde die Vergleichbarkeit der Resistenzdaten anhand der Übereinstimmung der Resistenzdaten aus unterschiedlichen Labormethoden für Routinediagnostik in der Human- und Veterinärmedizinbereiche sowie Lebensmittelsicherheit analysiert. Zweitens, vier Antibiotika, die routinemäßig in den drei Systemen getestet sind, und Ergebnissen zu den Empfindlichkeitstestungen, wurden ausgewählt und weiterhin benutzt um die Ähnlichkeiten der Resistenzkombinationen zwischen den unterschiedlichen Human- und Tierpopulationen zu untersuchen. Aus den unterschiedlichen Analysen konnten es festgestellt werden, dass die Routinediagnostik sowie die davon erhaltenen Resistenzdaten für E. coli aus den drei Surveillance- und Monitoringsysteme vergleichbar sind. Darüber hinaus konnten die ähnlichen Resistenzkombinationen von E. coli zwischen den unterschiedlichen Human- und Tierpopulationen erkannt werden, wie z.B. die Ähnlichkeiten der Resistenzkombinationen innerhalb der klinischen E. coli-Isolate aus unterschiedlichen Stationen und zwischen Humanpopulationen und erkrankten Tieren. Somit leistet diese Arbeit einen wichtigen Beitrag zum One-Health-Konzept für integrierte Datenanalyse der Resistenzlage in Deutschland und ist eine Grundlage für die Weiterentwicklung der Strategien zu harmonisierten und standardisierten Surveillance- und Monitoringsystemen für Antibiotikaresistenzen in Deutschland wie im Bericht zu Deutsche Antibiotika-Resistenzstrategie 2030 (DART 2030) beschrieben wurde.
Bacterial antibiotic resistance occurs frequently in humans, different animal populations and in the environment. It is therefore important to investigate these problems using a multi-sectoral approach, such as the "One Health". Within this framework, the aim of this thesis was to investigate a joint analysis of antibiotic resistance data in order to obtain an improved assessment of the current situation and detection of trends in antibiotic resistance. The resistance data originated from different surveillance and monitoring systems for humans and different animal populations in Germany: Antibiotic Resistance Surveillance System (ARS) for the resistance data in humans, Zoonoses Monitoring for the resistance data from healthy livestock and food and GERM-Vet for the resistance data from animal pathogens. Escherichia coli (E. coli) data from the three systems was used as a model organism. First, the comparability of the resistance data was analysed based on the agreement of the resistance data from different laboratory methods for routine diagnostics in human and veterinary medicine as well as food safety. Second, four antibiotics routinely tested in the three systems and susceptibility testing results, were selected and further used to analyse the similarities of resistance combinations between the different human and animal populations. The different analyses highlighted the comparability of routine diagnostics and the resistance data for E. coli from the three surveillance and monitoring systems. In addition, the similar resistance combinations of E. coli between the different human and animal populations could be recognised, such as the similarities of the resistance combinations within the clinical E. coli isolates from different stations and between human populations and diseased animals. Thus, this work makes an important contribution to the One Health concept for integrated data analysis of the resistance situation in Germany and is a basis for the further development of strategies for harmonised and standardised surveillance and monitoring systems for antibiotic resistance in Germany as described in the report on the German Antibiotic Resistance Strategy 2030 (DART 2030).
