Effectiveness of infection control strategies against intra- and inter-hospital transmission of MultidruG-resistant Enterobacteriaceae – insights from a multi-level mathematical NeTwork model
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.
Doel
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 is onderzocht 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.
Werkwijze
Onderzoekers 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.
De onderzoekers gebruikten gegevens van patiënten opnamen van 5 deelnemende ziekenhuizen en analyseerden individuele patiëntbewegingen tussen verschillende afdelingen tijdens een opname. Met deze informatie construeerden ze het netwerk van afdelingen en patiëntbewegingen, en identificeerden de afdelingen waar de meeste binnenkomende en uitgaande patiëntenstromen zijn. Patiënten zijn op basis van ICD-10 codes gestratificeerd in laag- en hoog-risico patiënten.
Resultaten
Met behulp van het simulatiemodel hebben de onderzoekers de netwerken van bewegingspatronen in alle deelnemende ziekenhuizen geanalyseerd en mogelijke verspreiding van een ziekteverwekker via deze netwerken gesimuleerd. Ze onderzochten hoe de verspreiding van ziekteverwekkers afhing van verschillende centraliteitsmaten van afdelingen in het netwerk. Ten slotte simuleerden ze de effectiviteit van verschillende interventiestrategieën binnen een ziekenhuis om verspreiding van ziekteverwekkers te voorkomen. Als spin-off van dit project hebben de onderzoekers het simulatiemodel gebruikt om effectieve interventies te bestuderen voor het voorkomen van nosocomiale infecties met SARS-CoV2.
De onderzoekers 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.
Producten
Auteur: Xia H, Horn J, Piotrowska MJ, Sakowski K, Karch A, Tahir H, Kretzschmar M, Mikolajczyk R
Magazine: PLoS Computational Biology
Auteur: Piotrowska MJ, Sakowski K, Lonc A, Tahir H, Kretzschmar ME.
Magazine: Epidemics
Auteur: 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
Auteur: Pham TM, Tahir H, van de Wijgert JHHM, Van der Roest BR, Ellerbroek P, Bonten MJM, Bootsma MCJ, Kretzschmar ME
Magazine: BMC Medicine
Auteur: Piotrowska MJ, Sakowski K, Karch A, Tahir H, Horn J, Kretzschmar ME, Mikolajczyk RT
Magazine: PLoS Computational Biology