Inferring heterogeneous transmission and community introduction of antibiotic-resistant bacteria in hospital settings

بيان المشكلة
تفرض الكائنات الحية المقاومة لمضادات الميكروبات (AMROs) عبئاً كبيراً على أنظمة الرعاية الصحية، ومع ذلك تفشل عمليات المراقبة الروتينية في التمييز بين الاستعمار (colonization) المستورد عند الدخول وبين الانتقال المكتسب داخل المستشفى. هذا التمييز أمر بالغ الأهمية لأن المساهمات النسبية لكل من الاستيراد والانتقال داخل المستشفيات تختلف بشكل كبير عبر أجنحة المستشفيات المختلفة. وتقتصر المراقبة الحالية على الاختبارات المتفرقة، وحمل الميكروبات بدون أعراض، والحساسية التشخيصية غير الكاملة، وحركة المرضى الديناميكية بين الأجنحة. وبناءً على ذلك، لا يمكن للمؤشرات الإجمائية البسيطة أن تفصل بشكل موثوق بين ديناميكيات انتقال الكائنات الحية وديناميكيات الاستيراد الخاصة بكل كائن وجناح، مما يحجب تحديد بؤر انتقال العدوى وتصميم استراتيجيات مكافحة العدوى المستهدفة.

المنهجية
لمعالجة هذه التحديات، طور المؤلفون مرشحاً تكرارياً قائماً على الوكيل بنظام الكتل (Blockwise Agent-Based Iterated Filter - BAIF). يدمج هذا الإطار نمذجة الانتقال القائمة على الأفراد مع تمثيل صريح لعملية المراقبة.

• هيكل النموذج: يعمل النموذج على شبكة تعاون مشترك للأجنحة ديناميكية، تمت إعادة بنائها من سجلات الاستشفاء. يتم نمذجة المرضى كوكلاء (agents) في إما حالة "سليم" ($S$) أو حالة "مستعمر" ($C$). يحدث الانتقال عندما يتشارك المرضى السليمون جناحاً واحداً مع مرضى مستعمرين، ويخضع ذلك لمعدلات انتقال خاصة بكل كتلة ($\beta_g$). كما قد يدخل المرضى إلى المستشفى وهم مستعمرون بالفعل، وفقاً لاحتمالات استيراد خاصة بكل كتلة ($C_{0,g}$).
• التقسيم المكاني: لإدارة التعقيد الحسابي، تم تقسيم الأجنحة إلى خمس "كتل" باستخدام خوارزمية اكتشاف المجتمعات (Infomap) المطبقة على شبكة انتقال المرضى. يقلل هذا من أبعاد المعلمات مع الحفاظ على أنماط تدفق المرضى الرئيسية؛ حيث تحدث 84.2% من عمليات الانتقال من جناح إلى آخر ضمن هذه الكتل.
• نموذج الملاحظة: يأخذ الإطار في الاعتبار البيانات غير الكاملة من خلال دمج جداول الاختبار المسجلة والحساسية التشخيصية غير الكاملة (التي فُرضت بنسبة 40% لمسببات الأمراض في هذه الدراسة).
• خوارزمية الاستدلال: يستخدم BAIF نهج ترشيح جسيمي متكرر. وخلافاً لمرشحات الجسيمات العالمية التي تعاني من مشكلة تدهور الوزن في الفضاءات ذات الأبعاد العالية، يقوم BAIF بتنظيم تقييم الاحتمالية وإعادة أخذ العينات على مستوى الجناح-الكتلة. تشفر كل جسيمة في المجموعة إعادة بناء مرشحة لتاريخ الاستعمار على مستوى المريض والمعلمات الخاصة بالكتلة. تقوم الخوارزمية بنشر هذه الجسيمات للأمام، وتوزينها بناءً على مدى قدرتها على إعادة إنتاج حالات الكشف المرصودة داخل كل كتلة، وتحديث المعلمات من خلال إعادة أخذ العينات والاضطراب.

المساهمات الرئيسية

1. إطار استدلال مبتكر: يقدم البحث BAIF، وهو طريقة قائمة على الاحتمالية قادرة على إجراء الاستدلال في النماذج القائمة على الوكيل ذات الأبعاد العالية والملاحظة جزئياً على شبكات اتصال ديناميكية. وقد نجح في تقدير معدلات الانتقال والاستيراد الخاصة بالكتلة دون تجميع العملية الكامنة على مستوى المريض.
2. التحقق من الصحة: أظهرت التجارب الاصطناعية أن BAIF يمكنه استعادة معدلات الانتقال الحقيقية واحتمالات الاستيراد الخاصة بالكتلة من حالات التفشي المرصودة جزئياً، مع ملاحظة التقارب عبر مختلف إعدادات المعلمات.
3. التطبيق التجريبي: تم تطبيق الإطار على بيانات الاستشفاء والبيانات الميكروبيولوجية (2012-2016) من مستشفى رعاية من المستوى الرابع في مدينة نيويورك لأربعة أنواع من الكائنات المقاومة لمضادات الميكروبات: MRSA، وCRKP، وVRE، وLRPA.

النتائج

• التباين: وُجد أن الانتقال والاستيراد يتسمان بتباين عالٍ عبر كتل الأجنحة. وبينما أظهرت الكتلة 1 باستمرار أعلى معدلات انتقال لجميع مسببات الأمراض الأربعة، فإن الكتل ذات احتمالات الاستيراد الأعلى تباينت باختلاف نوع المسبب.
• تفكيك المساهمة: نجح النموذج في تفكيك عبء الاستعمار إلى مكونات الاستيراد والانتقال. ساهم الاستيراد أكثر من الانتقال في كل مزيج من (المسبب المرضي-الكتلة)، لكن التوازن النسبي اختلف بشكل كبير. فعلى سبيل المثال، في الكتلة 1، أظهر VRE هيمنة أكبر للاستيراد مقارنة بمسببات الأمراض الأخرى، بينما في الكتلة 3، أظهر MRSA مساهمة كبيرة نسبياً من الانتقال داخل المستشفى.
• ملاءمة النموذج: أعادت المحاكاة باستخدام المعلمات التي تم ضبطها إنتاج حجم وتقلب الكشوفات الأسبوعية لجميع مسببات الأمراض الأربعة، حيث احتوت فترات المحاكاة بنسبة 95% على أكثر من 96% من الكشوفات الأسبوعية المرصودة.

الأهمية
يزعم البحث أن التمييز بين كتل الأجنحة التي يهيمن عليها الاستيراد وتلك التي يهيمن عليها الانتقال يسمح باستراتيجيات مراقبة ومكافحة عدوى أكثر استهدافاً. وتحديداً، قد تستفيد الكتل ذات الاستيراد العالي من فحص الدخول والاختبار المبكر، بينما تتطلب الكتل ذات الانتقال المرتفع تدابير مكثفة لقطع انتشار العدوى، مثل تعزيز العزل والتنظيف البيئي.

من الناحية المنهجية، يضع البحث BAIF كإطار فعال لتوصيف انتقال العدوى غير المتجانس في المستشفيات في ظل وجود دوران للمرضى واتصالات ديناميكية. كما يوفر نهجاً قابلاً للتعميم للاستدلال في النماذج القائمة على الوكيل ذات الأبعاد العالية والملاحظة جزئياً، مما يقدم تفسيراً آلياً لسبب تركيز أعباء الاستعمار في أجزاء محددة من نظام المستشفى. ويشير المؤلفون إلى أنه بينما يوفر الإطار رؤى لتصميم التدخلات المستهدفة، فإن الدراسة الحالية تركز على الاستدلال والتفسير بدلاً من التحسين الرسمي لاستراتيجيات التدخل.