Multistate Animal-Contact-Related Nontyphoidal Salmonella enterica Outbreaks in the United States, 2009-2022: Network and Machine Learning Analyses of Exposure Sources, Settings, and Serovars

この論文は、2009 年から 2022 年までの米国における多州規模の動物接触関連サルモネラ菌アウトブレイクをネットワーク分析と機械学習を用いて検討し、鳥類や爬虫類などの曝露源、農業用品店や家庭などの環境、および地域ごとの血清型パターンを特定することで、One Health アプローチに基づく地域特異的な予防策の必要性を提言しています。

要約

🦠 研究のテーマ：「見えない犯人」を追いかける探偵物語

Imagine（想像してみてください）アメリカ中を、目に見えない「サルモネラ菌」という悪い犯人が動き回っている様子を。この犯人は、食べ物からだけでなく、**「動物との接触」**を通じて人々を病気にしています。

この研究は、CDC（アメリカ疾病予防管理センター）という巨大なデータベースを「事件記録簿」として使い、13 年間にわたって起きた**「複数の州にまたがる大事件（アウトブレイク）」**を分析しました。

🔍 使われた「魔法の道具」2 つ

研究者たちは、単に数を数えるだけでなく、2 つの高度な分析手法を使って、犯人の正体と動きを暴きました。

1. AI 探偵（ランダムフォレスト）:
   • これは「どの要素が最も重要か」を見極める AI です。
   • 「鳥？爬虫類？農場？自宅？」など、無数の候補の中から、事件を区別する決定的な手がかりを見つけ出しました。
2. つながりの地図（ネットワーク分析）:
   • 州、動物、菌の種類、場所を「点」として、それらが同じ事件でつながっているかを「線」で結んだ巨大な地図を作りました。
   • これにより、「誰が誰と組んで、どこで活動しているか」という**「犯罪グループ（コミュニティ）」**の正体が浮かび上がりました。

---

🕵️‍♂️ 発見された 2 つの「犯罪グループ」

分析の結果、サルモネラ菌の事件は、大きく分けて2 つの異なるグループに分類されることがわかりました。まるで、全く違うルールで活動する 2 つのギャング団のようです。

🐔 グループ A：「農場と鳥」のグループ（中西部・東部・南部）

• 主なメンバー: 鶏などの「鳥」、そして「Infantis」や「Enteritidis」という種類の菌。
• 活動場所: 「農業用飼料店」や「農場」。
• 特徴:
  • このグループは、**「鳥」**が主な犯人です。
  • 人々は、近所の飼料店で小鳥やひよこを買ったり、農場に行ったりして感染します。
  • 中西部や東部、南部の州で特に活発に活動しています。
  • 例え話: 「ひよこを注文して家まで届けてもらう」ようなシステムを通じて、菌が州を超えて広がっているイメージです。

🦎 グループ B：「爬虫類とペット」のグループ（西部・南部）

• 主なメンバー: 「トカゲやカメ」などの爬虫類、そして「Hadar」や「Typhimurium」という種類の菌。
• 活動場所: 「自宅（リビング）」や「農場」。
• 特徴:
  • このグループは、**「爬虫類」**が主な犯人です。
  • 人々は、自宅でペットのトカゲやカメを触ったり、庭で野生の動物と接触したりして感染します。
  • 西部や南部の州で多く見られます。
  • 例え話: 「おうちで飼っているトカゲが、家族全員の胃袋を襲う」というシチュエーションです。

---

📉 時間の流れ：「急降下」から「横ばい」へ

• 2009 年〜2013 年: 事件件数が急激に減りました（毎年約 10% 減）。
  • 理由: 鶏の孵化場（ひよこを産む場所）の衛生管理が良くなったことや、菌の追跡技術が進歩したおかげと考えられます。
• 2013 年〜2022 年: 減り方は止まり、一定のレベルで横ばいになりました。
  • 理由: コロナ禍で調査リソースが不足した影響や、すでに改善の余地が少なくなったためかもしれません。

---

💡 私たちが何をすべきか？（結論）

この研究からわかった最大の教訓は、**「一刀両断（全国一律）の対策ではダメだ」**ということです。

• 中西部や東部の人へ: 「鳥（ひよこや小鳥）」との接触に気をつけてください。特に飼料店や農場での衛生管理が重要です。
• 西部や南部の人へ: 「爬虫類（トカゲやカメ）」や「エキゾチックペット」との接触に気をつけてください。自宅での手洗いが命取りになります。

「One Health（ワンヘルス）」という考え方が重要です。
これは「人間の健康」「動物の健康」「環境の健康」はすべてつながっているという考え方です。菌は国境も州境も関係なく移動します。だから、州ごとの対策や、飼育業者、ペットショップ、そして私たち一般市民が協力して、菌の動きを止める必要があります。

🎯 まとめ

この論文は、**「サルモネラ菌という犯人は、場所と動物の種類によって、全く違う顔と行動パターンを持っている」**ということを突き止めました。

• 鳥は**「農場・飼料店」**経由で広がる。
• 爬虫類は**「自宅」**で広がる。

この違いを理解して、それぞれの地域や生活スタイルに合わせた「防犯対策（衛生管理）」をすることで、より効果的に病気を防げるようになるのです。

技術概要

以下は、提供された論文「Multistate Animal-Contact-Related Nontyphoidal Salmonella enterica Outbreaks in the United States, 2009-2022: Network and Machine Learning Analyses of Exposure Sources, Settings, and Serovars（2009-2022 年米国における多州またぎの動物接触関連非チフス性サルモネラ属菌アウトブレイク：曝露源、環境、血清型のネットワークおよび機械学習分析）」の技術的サマリーです。

1. 研究の背景と課題 (Problem)

米国における非チフス性サルモネラ属菌（NTS）は重要な公衆衛生上の脅威であり、その感染経路の多くは食品由来ですが、家畜、ペット、野生動物との直接接触も重要な感染源です。特に、生きた動物（家禽、爬虫類、哺乳類など）の流通ネットワークを通じて州境を越えて拡散する「多州またぎ（multistate）」のアウトブレイクは、感染源の特定や封じ込めが困難であり、重症化や死亡リスクが高い傾向にあります。
しかし、これまでの研究は特定の血清型や単一の州に焦点が当てられることが多く、長期的なデータを用いて、血清型、曝露源（動物の種類）、曝露環境（場所）、および地理的分布の複雑な相互関係を包括的に分析した研究は不足していました。

2. 研究方法 (Methodology)

本研究は、2009 年から 2022 年までの CDC 国立アウトブレイク報告システム（NORS）に登録された、動物接触に関連する 177 の多州またぎ NTS アウトブレイクデータを分析対象としました。分析手法は以下の通りです。

• 記述統計と時系列分析:
  • 人口 1,000 万人年（10 MPY）あたりのアウトブレイク発生率（IR）を算出。
  • Joinpoint 回帰分析を用いて、発生率の時間的傾向（トレンドの変化点）を特定し、年間変化率（APC）を算出。
• 機械学習（ランダムフォレスト）:
  • アウトブレイクのプロファイルを識別するための変数の重要度を評価するために、ランダムフォレスト分類器を適用。
  • 対象変数：州、曝露源（鳥類、爬虫類、哺乳類など）、曝露環境（農業用飼料店、住宅、農場など）。
  • 指標：ジニ不純度の平均減少量（Mean decrease in Gini）と精度の平均減少量（Permutation-based mean decrease in accuracy）を用いて変数の重要度をランク付け。
• ネットワーク分析:
  • 州、血清型、曝露源、曝露環境をノード、それらが同じアウトブレイクで共起した関係をエッジ（重み付き）とする共起ネットワークを構築。
  • Louvain 法によるコミュニティ検出を用いて、密接に関連する変数のクラスター（コミュニティ）を特定。
  • 次数（Degree）、強度（Strength）、媒介中心性（Betweenness）、近接中心性（Closeness）、クラスター係数などのネットワーク指標を計算。

3. 主要な結果 (Key Results)

発生率と時系列傾向

• 対象期間中に 177 の多州またぎアウトブレイクが確認され、平均発生率は 10 MPY あたり 0.06 でした。
• Joinpoint 分析により、2009 年から 2013 年にかけて発生率が有意に減少（APC = -10.4%）し、2013 年以降は横ばい状態（有意な変化なし）であることが判明しました。

機械学習による重要変数の特定

• 曝露源: 「鳥類（Birds）」と「爬虫類（Reptiles）」がアウトブレイクのプロファイルを区別する上で最も影響力のある変数でした。
• 曝露環境: 「農業用飼料店（Agricultural feed stores）」と「住宅（Residential homes）」が最も重要な環境要因として特定されました。
• 州: オハイオ州、インディアナ州、ネブラスカ州、バーモント州、ペンシルベニア州などが、アウトブレイクプロファイルの識別に高い寄与を示しました。

ネットワーク分析とコミュニティ構造

共起ネットワーク分析により、2 つの主要なコミュニティ（クラスター）が特定されました。

1. コミュニティ 1（中西部、北東部、南部）:

   • 関連血清型: Enteritidis, Infantis, Johannesburg, Altona, Mbandaka など。
   • 主要な曝露源: 鳥類（家禽）。
   • 主要な環境: 農業用飼料店、農場/酪農施設、教育機関、保育所。
   • 特徴: 主に家禽（生きた鶏など）の流通（郵便注文の孵化場など）を介した伝播パターンを示唆。

2. コミュニティ 2（西部、山岳西部、南部）:

   • 関連血清型: Hadar, Typhimurium, Braenderup, Muenchen, Poona など。
   • 主要な曝露源: 爬虫類、哺乳類、両生類。
   • 主要な環境: 住宅（家庭内）。
   • 特徴: ペットとしての爬虫類やエキゾチックアニマルの取引、違法な流通を介した伝播パターンを示唆。

• 中心性: 鳥類（曝露源）と農業用飼料店（環境）はネットワークの強度（Strength）と次数（Degree）が最も高く、アウトブレイク拡大のハブとして機能していることが示されました。

4. 研究の貢献と意義 (Contributions and Significance)

• 包括的な疫学的枠組みの提示: 単一の血清型や地域に限定されず、血清型、動物種、環境、地理的分布を統合的に分析し、多州またぎ NTS アウトブレイクの複雑な伝播経路を可視化しました。
• 地域別リスクの特定: 米国を「家禽・飼料店関連（コミュニティ 1）」と「爬虫類・住宅関連（コミュニティ 2）」の 2 つの主要な伝播パターンに分類し、地域ごとの特性に応じた対策の必要性を明らかにしました。
• One Health アプローチの提言:
  • 上流対策: 孵化場、爬虫類繁殖施設、農業用飼料店におけるバイオセキュリティの強化。
  • 規制と執行: 爬虫類の違法取引や規制違反の販売チャネルへの対応強化。
  • 公衆衛生教育: 爬虫類や家禽との接触における衛生管理（特に子供への教育）の重要性。
• 政策への示唆: 画一的な対策ではなく、地域固有のリスク要因（血清型と動物種の組み合わせ）に基づいたターゲットを絞った介入戦略が有効であることを示しました。

結論

本研究は、機械学習とネットワーク分析を組み合わせることで、米国における動物接触関連 NTS アウトブレイクの構造的な特徴を解明しました。鳥類と爬虫類が主要な媒介動物であり、それぞれが異なる地理的・環境的パターン（飼料店・農場 vs 住宅）で伝播していることが明らかになりました。これらの知見は、国境を越えた伝播を遮断し、公衆衛生リスクを低減するための、地域に特化した One Health 戦略の策定に不可欠な基盤を提供します。