Background image Background image darkmode

Effectiveness of infection control strategies against intra- and inter-hospital transmission of MultidruG-resistant Enterobacteriaceae – insights from a multi-level mathematical NeTwork model

Hospital-acquired infections, including Multidrug-resistant Enterobacteriaceae (MDR-E), are recognised to be an important public health issue and cause significant burden on health care systems worldwide. While classic infection control strategies mainly target the spread of these pathogens at intra-hospital level (inside a hospital), inter-hospital (between various hospitals and health care institutions) patient movements have recently been implicated to trigger the spread of MDR-E.

Aim

Within the Emerge-Net project, network models describing the MDR-E transmission both at intra-hospital and inter-hospital levels have been developed. These models allow simulation of the transmission dynamics of MDR-E, specifically E. Coli and Klebsiella, and were used to investigate the effectiveness of infection control strategies at intra- and inter- hospital levels. In particular, these generic network models allowed us to study how interventions applied in one or more hospitals influence the transmission of MDR-E to other hospitals in the network connected through patient transfers.

Methods

As part of the Emerge-Net consortium, researchers developed an intra-hospital model for MDR-E spread, taking into account admissions and discharge of patients and their movements between different hospital wards. The model was used to simulate spread of MDR-E and the impact of various interventions in a hospital. In the model, if there is exposure of patients to the pathogen, patients can become colonised. Such colonised patients can transmit the pathogen to other susceptible patients in the same ward. Wards form a network, where the connections are defined by patients’ movements between the wards. Based on estimates for the duration of colonisation, transmission probabilities in every ward, and patient movement patterns, the model simulates possible outbreaks inside the hospital.

The researchers estimated model parameters and patient movement patterns from data collected in various participating hospitals. They obtained electronic medical record (EMR) of patient admissions from hospitals in Spain, The Netherlands, Germany, Poland, and Israel. They analysed individual patient movements by tracking the wards where patients stayed during the admission and constructed a network of patient movements to identify wards where most of the incoming and outgoing patient flow occurs. Furthermore, stratifying patients into risk groups, they observed that 30.0 % - 37.0 % of admissions were patients were characterised as high-risk in in all participating hospitals. Moreover, the mean length of stay per admission was higher for high-risk patients compared to low-risk patients. Additionally, the mean movement rate per hospital admission was higher for high-risk patients.

Results

Using the simulation model, the researchers analysed the networks of movement patterns in all participating hospitals and simulated possible spread of a pathogen through these networks. They investigated how spread of pathogens depended on various centrality measures of the connected wards. Finally, they simulated effectiveness of different intervention strategies within a hospital to prevent spread of pathogens. As a spin-off of this project, the researchers used the simulation model to study effective interventions for preventing nosocomial infections with SARS-CoV2.

The researchers collaborated within the Emerge-Net consortium to contribute to modelling the inter-hospital transmission of MDR-E and to combine intra- and interhospital transmission models. For the inter-hospital modelling they use data on patient transfers between hospitals from insurance companies in Germany.

Products

Title: Effects of incomplete inter-hospital network data on the assessment of transmission dynamics of hospital-acquired infections.
Author: Xia H, Horn J, Piotrowska MJ, Sakowski K, Karch A, Tahir H, Kretzschmar M, Mikolajczyk R
Magazine: PLoS Computational Biology
Title: Impact of inter- hospital transfers on the prevalence of resistant pathogens in a hospital- community system.
Author: Piotrowska MJ, Sakowski K, Lonc A, Tahir H, Kretzschmar ME.
Magazine: Epidemics
Title: Relevance of intra-hospital patient movements for the spread of healthcare-associated infections within hospitals - a mathematical modeling study.
Author: Tahir H, López-Cortés LE, Kola A, Yahav D, Karch A, Xia H, Horn J, Sakowski K, Piotrowska MJ, Leibovici L, Mikolajczyk RT, Kretzschmar ME.
Magazine: PLoS Computational Biology
Title: Interventions to control nosocomial transmission of SARS-CoV-2: a modelling study
Author: Pham TM, Tahir H, van de Wijgert JHHM, Van der Roest BR, Ellerbroek P, Bonten MJM, Bootsma MCJ, Kretzschmar ME
Magazine: BMC Medicine
Title: Modelling pathogen spread in a healthcare network: Indirect patient movements.
Author: Piotrowska MJ, Sakowski K, Karch A, Tahir H, Horn J, Kretzschmar ME, Mikolajczyk RT
Magazine: PLoS Computational Biology

Reports


Endreport

Ziekenhuisinfecties met multiresistente Enterobacteriaceae (MDR-E) worden algemeen erkend als een belangrijk probleem voor de volksgezondheid en veroorzaken een aanzienlijke last voor de gezondheidszorg wereldwijd. Terwijl klassieke infectiebestrijdingsstrategieën voornamelijk gericht zijn op de verspreiding van deze pathogenen binnen een ziekenhuis, zijn er recentelijk aanwijzingen dat door patiëntenbewegingen ook tussen ziekenhuizen verspreiding van MDR-E plaatsvindt. In het Emerge-Net-project werden netwerkmodellen ontwikkeld, die de MDR-E-transmissie beschrijven, zowel in een ziekenhuis als tussen ziekenhuizen. Deze modellen simuleren de transmissie van MDR-E, met name E. Coli en Klebsiella, en zijn gebruikt om de effectiviteit van infectiepreventie-strategieën op intra- en inter-ziekenhuisniveau te onderzoeken. In het bijzonder onderzochten we hoe effectief interventies zijn, die toegepast worden in een of meerdere ziekenhuizen, en de invloed daarvan op de overdracht van MDR-E naar andere ziekenhuizen in het netwerk. We ontwikkelden een model voor verspreiding van MDR-E in een ziekenhuis, waarbij rekening wordt gehouden met opnames en ontslag van patiënten, en met hun bewegingen tussen ziekenhuisafdelingen. In het model kunnen patiënten na blootstelling aan het pathogeen gekoloniseerd raken. Gekoloniseerde patiënten kunnen het pathogeen overbrengen naar andere vatbare patiënten in dezelfde afdeling. Afdelingen vormen een netwerk, waarbij de verbindingen worden gedefinieerd door bewegingen van patiënten tussen de afdelingen. Op basis van schattingen voor de duur van kolonisatie, transmissiekansen per afdeling, en bewegingspatronen van patiënten tussen afdelingen, simuleert het model mogelijke uitbraken binnen het ziekenhuis. We gebruikten gegevens van patiënten opnamen van vijf deelnemende ziekenhuizen en analyseerden individuele patiëntbewegingen tussen verschillende afdelingen tijdens een opname. Met deze informatie construeerden we het netwerk van afdelingen en patiëntbewegingen, en identificeerden de afdelingen waar de meeste binnenkomende en uitgaande patiëntenstromen zijn. Patienten zijn op basis van ICD-10 codes gestratificeerd in laag- en hoog-risico patienten. Met behulp van het simulatiemodel hebben we de netwerken van bewegingspatronen in alle deelnemende ziekenhuizen geanalyseerd en mogelijke verspreiding van een ziekteverwekker via deze netwerken gesimuleerd. We onderzochten hoe de verspreiding van ziekteverwekkers afhing van verschillende centraliteitsmaten van afdelingen in het netwerk. Ten slotte simuleerden we de effectiviteit van verschillende interventiestrategieën binnen een ziekenhuis om verspreiding van ziekteverwekkers te voorkomen. Als spin-off van dit project hebben we het simulatiemodel gebruikt om effectieve interventies te bestuderen voor het voorkomen van nosocomiale infecties met SARS-CoV2. We hebben in het Emerge-Net-consortium bijgedragen aan het modelleren van de transmissie van MDR-E tussen ziekenhuizen, en om intra- en inter-ziekenhuis transmissie modellen te combineren. De modellen voor verspreiding tussen ziekenhuizen zijn gebaseerd op gegevens van zorgverzekeringen in Duitsland.
Ziekenhuisinfecties met multiresistente Enterobacteriaceae (MDR-E) worden algemeen erkend als een belangrijk probleem voor de volksgezondheid en veroorzaken een aanzienlijke last voor de gezondheidszorg wereldwijd. Terwijl klassieke infectiebestrijdingsstrategieën voornamelijk gericht zijn op de verspreiding van deze pathogenen binnen een ziekenhuis, zijn er recentelijk aanwijzingen dat door patiëntenbewegingen ook tussen ziekenhuizen verspreiding van MDR-E plaatsvindt. In het Emerge-Net-project worden netwerkmodellen ontwikkeld, die de MDR-E-transmissie beschrijven, zowel in een ziekenhuis als tussen ziekenhuizen. Deze modellen simuleren de transmissie van MDR-E, met name E. Coli en Klebsiella, en zullen worden gebruikt om de effectiviteit van infectiepreventie-strategieën op intra- en inter-ziekenhuisniveau te onderzoeken. In het bijzonder onderzoeken we hoe effectief interventies zijn, die toegepast worden in een of meerdere ziekenhuizen, en de invloed daarvan op de overdracht van MDR-E naar andere ziekenhuizen in het netwerk. Met betrekking tot de verspreiding van MDR-E, zou het beperken van de bewegingen van de patiënt binnen het ziekenhuis kunnen leiden tot het voorkomen van uitbraken. Studies, die informatie geven over bewegingen van patiënten in het ziekenhuis zijn schaars, en er ontbreekt informatie over bewegingspatronen van patiënten. Als onderdeel van het Emerge-Net-consortium ontwikkelen we een model voor verspreiding van MDR-E in een ziekenhuis, waarbij rekening wordt gehouden met opnames en ontslag van patiënten, en met hun bewegingen tussen ziekenhuisafdelingen. Een eerste versie van het model is ontwikkeld om de verspreiding van MDR-E te simuleren. In het model kunnen patiënten na blootstelling aan het pathogeen gekoloniseerd raken. Gekoloniseerde patiënten kunnen het pathogeen overbrengen naar andere vatbare patiënten in dezelfde afdeling. Afdelingen vormen een netwerk, waarbij de verbindingen worden gedefinieerd door bewegingen van patiënten tussen de afdelingen. Op basis van schattingen voor de duur van kolonisatie, transmissiekansen per afdeling, en bewegingspatronen van patiënten tussen afdelingen, simuleert het model mogelijke uitbraken binnen het ziekenhuis. Een belangrijk onderdeel van de modellering is het definiëren van risiconiveaus voor kolonisatie. Niet alle patiënten hebben hetzelfde risico op kolonisatie. Patiënten met bepaalde ziekten hebben een hoger risico om kolonisatie en infectie op te lopen, en kunnen andere bewegingspatronen in het ziekenhuis hebben dan patiënten met een laag risico. Een risicostratificatie naar laag- en hoogrisicopatiënten is opgesteld door het consortium, gebaseerd op bepaalde hoofddiagnosen (ICD10-codes) bij opname, en leeftijd van de patiënt. Het intra-ziekenhuismodel houdt rekening met deze risicostratificatie. Aan de hand van patiëntgegevens van verschillende ziekenhuizen in verschillende Europese landen onderzoeken we of deze risicostratificatie geschikt is om het risico op kolonisatie te beschrijven, en hoe dit de uitbraakkansen van MDR-E in ziekenhuizen beïnvloedt. Bovendien zullen we met behulp van het simulatiemodel de impact onderzoeken van patiëntgerelateerd risico op kolonisatie (b.v. lage functionele capaciteit, ernstig ziek, behandeling met antibiotica in de afgelopen maanden, patiënt komt van een langdurige zorginstelling of een ander ziekenhuis, genetische predispositie ) en ziekenhuisgerelateerde risicofactoren (dwz aantal bedden, bezetting/drukte, afstand tussen bedden voor meerbedkamers, handhygiëne, minder verpleegkundigen, chirurgische ingrepen). Om modelsimulaties te doen, moeten parameters en patronen van patiëntbewegingen geschat worden. Daartoe analyseerden we gegevens van patiëntenopnamen van deelnemende ziekenhuizen (een Spaans ziekenhuis en een Nederlands academisch ziekenhuis). We analyseerden individuele patiëntbewegingen tussen verschillende afdelingen tijdens een opname. Met deze informatie construeerden we een netwerk van afdelinge

Features

  • Project number:
    547001005
  • Duration: 100%
    Duration: 100 %
    2017
    2021
  • Part of programme:
  • Related funding round:
  • Project lead and secretary:
    Prof. dr. M.E.E. Kretzschmar
  • Responsible organisation:
    Universitair Medisch Centrum Utrecht