Achtergrond afbeelding Achtergrond afbeelding darkmode

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

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

Verslagen


Eindverslag

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

Kenmerken

  • Projectnummer:
    547001005
  • Looptijd: 100%
    Looptijd: 100 %
    2017
    2021
  • Gerelateerde programma's:
  • Gerelateerde subsidieronde:
  • Projectleider en penvoerder:
    Prof. dr. M.E.E. Kretzschmar
  • Verantwoordelijke organisatie:
    Universitair Medisch Centrum Utrecht