Policy Brief 161, 22 May 2026

Meeting the 2030 Target on Reducing the Global Burden of AMR: Pathways for Strengthening and Leveraging Surveillance in Developing Countries

By Prateek Sharma and Viviana Munoz Tellez

Antimicrobial Resistance (AMR) poses a major and growing threat to global health, yet low- and middle-income countries (LMICs) face significant challenges in implementing AMR surveillance –collection and analysis of data on AMR. Global AMR targets, including the United Nations’ goal of reducing AMR-associated deaths by 10 percent by 2030 and achieving diagnostic capacity in 80 percent of countries, rely on surveillance data that are often incomplete, hospital-centered, and unrepresentative of community infections in LMICs. While the Global Antimicrobial Resistance and Use Surveillance System (GLASS) of the World Health Organization (WHO) provides a standardized framework, in LMICs limited access to diagnostics, high laboratory costs, and reliance on data from specialized hospitals constrain participation and data comparability. Modeling studies have helped quantify the global burden of AMR, yet their reliance on sparse LMIC data underscores the need for improved primary surveillance. Achieving the United Nations’ 2030 target—where 80 per cent of countries can test resistance in all GLASS pathogens—will require substantial investment, technical support, and sustained political commitment. Embedding AMR surveillance within health systems and strengthening pandemic prevention and preparedness can help unlock external funding for eligible LMICs through the Pandemic Fund and the Global Fund.

 

La résistance aux antimicrobiens (RAM) constitue une menace majeure et croissante pour la santé mondiale ; pourtant, les pays à revenu faible et intermédiaire sont confrontés à des défis considérables pour mettre en place une surveillance de la RAM, notamment la collecte et l’analyse des données relatives à ce phénomène. Les objectifs mondiaux en matière de RAM, notamment celui des Nations Unies visant à réduire de 10 % les décès liés à la RAM d’ici 2030 et à doter 80 % des pays de capacités de diagnostic, reposent sur des données de surveillance souvent incomplètes, centrées sur les hôpitaux et non représentatives des infections communautaires dans les pays à revenu faible ou intermédiaire. Si le Système mondial de surveillance de la résistance aux antimicrobiens et de leur utilisation (GLASS) de l’Organisation mondiale de la santé (OMS) fournit un cadre normalisé, dans les pays à revenu faible et intermédiaire, l’accès limité aux diagnostics, les coûts élevés des analyses en laboratoire et la dépendance vis-à-vis des données provenant d’hôpitaux spécialisés limitent la participation et la comparabilité des données. Des études de modélisation ont permis de quantifier la charge mondiale de la RAM, mais leur dépendance vis-à-vis de données clairsemées provenant des pays à revenu faible et intermédiaire souligne la nécessité d’améliorer la surveillance primaire. Atteindre l’objectif des Nations Unies pour 2030 — selon lequel 80 % des pays devraient être en mesure de tester la résistance de tous les agents pathogènes couverts par le GLASS — nécessitera des investissements substantiels, un soutien technique et un engagement politique soutenu. L’intégration de la surveillance de la RAM au sein des systèmes de santé et le renforcement de la prévention et de la préparation aux pandémies peuvent contribuer à débloquer des financements externes pour les pays à revenu faible et intermédiaire éligibles par le biais du Fonds pour les pandémies et du Fonds mondial.

 

La resistencia a los antimicrobianos (RAM) supone una amenaza grave y creciente para la salud mundial; sin embargo, los países de ingresos bajos y medios (PIBM) se enfrentan a importantes retos a la hora de poner en marcha la vigilancia de la RAM —es decir, la recopilación y el análisis de datos sobre la RAM—. Los objetivos mundiales en materia de RAM, incluido el de las Naciones Unidas de reducir en un 10 % las muertes asociadas a la RAM para 2030 y lograr la capacidad de diagnóstico en el 80 % de los países, se basan en datos de vigilancia que a menudo son incompletos, se centran en los hospitales y no son representativos de las infecciones comunitarias en los PIRM. Si bien el Sistema Mundial de Vigilancia de la Resistencia a los Antimicrobianos y su Uso (GLASS) de la Organización Mundial de la Salud (OMS) proporciona un marco estandarizado, en los PIRM el acceso limitado a los diagnósticos, los elevados costes de laboratorio y la dependencia de datos de hospitales especializados limitan la participación y la comparabilidad de los datos. Los estudios de modelización han ayudado a cuantificar la carga mundial de la RAM, pero su dependencia de los escasos datos de los PIRM subraya la necesidad de mejorar la vigilancia primaria. Alcanzar el objetivo de las Naciones Unidas para 2030 —según el cual el 80 % de los países podrán realizar pruebas de resistencia en todos los patógenos del GLASS— requerirá una inversión sustancial, apoyo técnico y un compromiso político sostenido. La integración de la vigilancia de la RAM en los sistemas de salud y el fortalecimiento de la prevención y la preparación ante pandemias pueden ayudar a desbloquear financiación externa para los países de ingresos bajos y medios que cumplan los requisitos a través del Fondo para Pandemias y el Fondo Mundial.

 

抗微生物药物耐药性(AMR)对全球健康构成日益严重的重大威胁,然而中低收入国家(LMICs)在实施抗微生物药物耐药性监测——即收集和分析抗微生物药物耐药性相关数据方面——面临巨大挑战。全球抗微生物药物耐药性目标——包括联合国提出的到2030年将抗微生物药物耐药性相关死亡人数减少10%以及80%的国家具备诊断能力的目标——依赖于监测数据,而这些数据往往不完整、以医院为中心,且无法代表中低收入国家中的社区感染情况。尽管世界卫生组织(WHO)的全球抗微生物药物耐药性和使用监测系统 (GLASS)提供了一个标准化框架,但在中低收入国家,诊断手段有限、实验室成本高昂以及对专科医院数据的依赖,限制了参与度并影响了数据的可比性。建模研究虽有助于量化全球抗微生物药物耐药性的负担,但其对中低收入国家稀缺数据的依赖,凸显了改进基层监测的必要性。要实现联合国2030年目标——即80%的国家能够对所有抗微生物药物耐药性和使用监测系统包括的病原体进行耐药性检测——将需要大量投资、技术支持以及持续的政治承诺。将抗微生物药物耐药性监测纳入卫生系统,并加强大流行病预防和应对准备,有助于为符合条件的低收入和中等收入国家通过大流行病基金和全球基金争取外部资金。

Download:

Meeting the 2030 Target on Reducing the Global Burden of AMR: Pathways for Strengthening and Leveraging Surveillance in Developing Countries


This article was tagged: , , , , , , , , , , , ,