Jatkuvan genomivalvonnan kliininen toteutus monilääkeresistenttien patogeenisten bakteerien tunnistamiseksi, seuraamiseksi ja leviämisen keskeyttämiseksi

Jatkuvan genomivalvonnan kliininen toteutus monilääkeresistenttien patogeenisten bakteerien tunnistamiseksi, seuraamiseksi ja leviämisen keskeyttämiseksi

Terveydenhuoltoon liittyvät infektiot (HAI) liittyvät usein lisääntyneeseen riskiin saada antimikrobinen resistenssi (AMR). HAI-taudit vaikuttavat moniin potilaisiin maailmanlaajuisesti, mikä on lisännyt merkittävästi terveydenhuoltojärjestelmän kokonaiskustannuksia. Vaikka on erittäin tärkeää tunnistaa sairaaloissa taudinaiheuttajat, joiden leviämisnopeus on suuri, diagnostisten laboratorioiden kapasiteetti ei ole riittävä niiden jäljittämiseen.

Lernen: Klinische Implementierung der routinemäßigen Gesamtgenomsequenzierung zur Kontrolle von Krankenhausinfektionen mit multiresistenten Krankheitserregern. Bildnachweis: nobeastsofierce/Shutterstock

tausta

Genetiikka ja genomiikka e-kirja

Kokoelma viime vuoden huippuhaastatteluista, artikkeleista ja uutisista. Lataa ilmainen kopio

Australiassa yli 165 000 potilasta kärsii HAI:sta vuosittain. Australialainen 30 päivää kestänyt tutkimus osoitti, että kuolleisuus metisilliiniresistenttiin Staphylococcus aureus (MRSA) ja vankomysiiniresistentti Enterococcus (VRE) -infektioihin sairaaloissa oli 14,9 % ja 20 %. Samassa tutkimuksessa kerrottiin myös 18,6 prosentin kuolleisuusasteesta, joka johtuu laajakirjoisista beetalaktamaasia tuottavista Escherichia coli (ESBL-E) -verenkiertoinfektioista sairaaloissa.

Genomianalyysi on osoittautunut tehokkaaksi työkaluksi patogeenien leviämisreittien karakterisoinnissa. Tämä työkalu voisi parantaa infektioiden ehkäisy- ja valvontatoimenpiteitä patogeenisten epidemioiden aikana. Silti sitä käytetään harvoin reaaliaikaisena seuranta- ja ehkäisytyökaluna.

Perinteiset geneettisen analyysin menetelmät ovat tyypillisesti aikaa vieviä ja analyysityökaluja ei ole helposti saatavilla erikoislaboratorioiden ulkopuolella. Äskettäin kehitettiin koko genomin sekvensointi (WGS) menetelmiä analysoimaan bakteeripatogeenien leviämisdynamiikkaa, mikä auttoi arvioimaan niiden puhkeamispotentiaalia. Tätä menetelmää voitaisiin käyttää etulinjan työkaluna torjuttaessa taudinaiheuttajia, jotka voivat uhata ihmishenkiä.

Tuoreessa Kliiniset tartuntataudit Tutkijat ovat kehittäneet kliinisen WGS-työnkulun, joka voi havaita patogeenien leviämistapahtumat ennen kuin niistä tulee hallitsevia. Siksi tällä menetelmällä voidaan tehokkaasti ehkäistä ja hallita infektioita ja auttaa kehittämään strategioita, joilla epidemioihin reagoidaan riittävästi.

Opiskelusta

MRSA-, VRE-, ESBL-E-, karbapeneemiresistenttien Acinetobacter baumanniin (CRAB) ja karbapenemaasia tuottavien Enterobacterales-bakteerien (CPE) isolaatit saatiin veriviljelmistä, CSF:stä, steriileistä kohdista ja seulontanäytteistä (esim. peräsuolen pyyhkäisynäytteistä) kolmesta suuresta sairaalasta Brisbanissa Australiassa. Osallistuvista sairaaloista saatiin 19.4.2017–1.7.2021 yhteensä 2 660 bakteeri-isolaattia. Nämä bakteeripatogeenit eristettiin 2336 potilaalta, joista 259 potilasta toimitti useita isolaatteja.

Tässä tutkimuksessa näytteet kerättiin viikoittain, keskimäärin 8 näytettä viikossa. Näille näytteille suoritettiin WGS-analyysi. WGS osallistui in silico multi-locus -sekvenssityypityksen (MLST) luomiseen. Lisäksi suoritettiin resistenssigeenin profilointi käyttämällä räätälöityä genomianalyysiputkea.

Oletetut puhkeamistapahtumat määritettiin vertaamalla ydingenomin yhden nukleotidin polymorfismeja (SNP). Asianmukaiset kliiniset tiedot analysoitiin genomianalyysitietojen kanssa mukautetun automaation avulla. Nämä tulokset koottiin sairaalakohtaisiin raportteihin, joita jaettiin säännöllisesti infektiontorjuntaryhmille.

Tutkimustulokset

Tutkimusjakson aikana sekvensoiduista bakteeri-isolaateista 293 oli gramnegatiivisia MDR-basilleja, 620 MRSA:ta ja 433 VRE:tä. Genomisen ja epidemiologisen tiedon yhdistelmä auttoi tunnistamaan 37 klusteria, jotka ovat saattaneet syntyä yhteisön tartuntatapahtumien eikä sairaaloiden vuoksi.

Ydingenomin SNP-tiedot osoittivat, että 335 isolaattia muodostivat 76 erillistä klusteria. Mielenkiintoista on, että 76 klusterista 43 liittyi osallistuviin sairaaloihin. Tämä havainto viittaa jatkuvaan bakteerien leviämiseen sairaaloissa. Loput 33 klusteria liittyivät joko sairaaloiden välisiin tartuntatapahtumiin tai yhteisössä kiertäviin bakteerikantoihin.

Vaikutukset tutkimuksiin

Ajantasaisten raporttien saatavuus on ratkaisevan tärkeää tehokkaan seurantaohjelman kehittämisessä. Tärkeää on, että nykyinen protokolla voisi tarjota genomitietoja 10 päivän kuluessa näytteen keräämisestä. On tärkeää huomata, että raportin keskimääräinen käsittelyaika 33 päivää rajoittaa tietojen kliinistä merkitystä.

Joitakin pitkiin raportointijaksoihin liittyviä tekijöitä ovat estynyt näytteiden kuljetus keskuslaboratorioon, paikan päällä olevan WGS-infrastruktuurin puute ja analyyttisten putkien jatkuva kehittäminen. Näitä viiveitä voitaisiin kuitenkin minimoida rakenteellisilla uudelleenjärjestelyillä ja työnkulun tarkentamalla.

Tässä tutkimuksessa WGS-pohjainen menetelmä auttoi tunnistamaan kaksi oletettua tartuntaklusteria Ab1050-A1 ja Eh90-A2, jotka liittyivät aikaisempiin epidemioihin. Tämä havainto viittaa vahvasti siihen, että WGS:ää on käytettävä mahdollisena seurantatyökaluna patogeenisten taudinpurkausten estämiseksi.

Johtopäätökset

Tämän tutkimuksen suuri rajoitus on se, että tuleva seurantaohjelma perustui pääasiassa monilääkeresistenttisiin bakteereihin. Siksi muita antibiooteille herkkiä taudin aiheuttavia organismeja ei otettu huomioon tässä tutkimuksessa.

Vaikka WGS-työnkulkua ja muuta sopivaa laskentainfrastruktuuria on vaikea integroida olemassa oleviin terveydenhuoltojärjestelmiin, on tärkeää luoda ne tulevien epidemioiden estämiseksi. WGD-pohjainen laitos voi vähentää terveydenhuoltojärjestelmän kokonaiskustannuksia.

Viite:

• Förde, B. et al. (2022) „Klinische Implementierung der routinemäßigen Gesamtgenomsequenzierung zur Krankenhausinfektionskontrolle multiresistenter Krankheitserreger“, Clinical Infectious Diseases. doi: 10.1093/cid/ciac726. https://academic.oup.com/cid/advance-article/doi/10.1093/cid/ciac726/6691363?searchresult=1&login=false#google_vignette

.