📄 medicine

Modeling the Risk of Colistin-Resistant Salmonella Minnesota in Cooked Chicken: A Probabilistic Microbial Assessment

Deze studie maakt gebruik van een probabilistisch microbiologisch risicobeoordelingsmodel om de volksgezondheidsrisico's van colistine-resistente *Salmonella* Minnesota in bereide kip in Saoedi-Arabië te schatten, waarbij een laag jaarlijks ziektecijfer van 0,20 gevallen per 100.000 inwoners werd gevonden en de bruikbaarheid van het model voor voedselveiligheidstoezicht in gegevensarme omgevingen werd gevalideerd.

Oorspronkelijke auteurs: Sarah Alfaifi, Nourah Alotaibi, Omar Alhumaidan, Amani Alsufyani, Simon Otto, Lenah Mukhtar

Gepubliceerd 2026-08-31

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Sarah Alfaifi, Nourah Alotaibi, Omar Alhumaidan, Amani Alsufyani, Simon Otto, Lenah Mukhtar

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Elke keer dat een persoon een maaltijd eet, gaat diegene een stille onderhandeling aan met de microscopische wereld. Onder de triljoenen bacteriën die ons voedsel bewonen, zijn sommigen onschadelijk, terwijl anderen in staat zijn om ernstige ziekten te veroorzaken. Een van de meest hardnekkige bedreigingen in dit onzichtbare landschap is Salmonella, een bacterie die regelmatig gevogelte besmet en voedselgerelateerde ziekten veroorzaakt. Decennialang hebben artsen en volksgezondheidsfunctionarissen vertrouwd op antibiotica om deze infecties te behandelen. Het wijdverbreide gebruik van deze medicijnen in zowel de menselijke gezondheidszorg als de veehouderij heeft echter geleid tot een gevaarlijke verschuiving: bacteriën leren te overleven tegen de middelen die bedoeld zijn om hen te doden. Dit fenomeen, bekend als antimicrobiële resistentie, betekent dat wanneer een persoon ziek wordt, de standaardbehandelingen mogelijk niet meer werken. In Saoedische Arabië, waar kip een dieetbasisproduct is dat door miljoenen mensen wordt geconsumeerd, is het begrijpen van hoe deze resistente bacteriën van de boerderij naar de vork bewegen cruciaal, maar gedetailleerde gegevens over specifieke resistente stammen zijn tot nu toe schaars gebleven.

Een team onderzoekers van de Saudi Food and Drug Authority en de University of Alberta probeerde deze kloof te dichten door een digitale simulatie te creëren om het risico in te schatten dat wordt gevormd door een specifieke, moeilijk te behandelen stam van Salmonella, genaamd Salmonella Minnesota. Deze stam is bijzonder zorgwekkend omdat deze resistent is tegen colistine, een antibioticum dat vaak als laatste redmiddel wordt gebruikt wanneer andere behandelingen falen. De onderzoekers telden niet simpelweg bacteriën in een laboratorium; in plaats daarvan bouwden ze een probabilistisch model, een type computerprogramma dat duizenden scenario's doorloopt om rekening te houden met de natuurlijke variaties in hoeveelheid kip die mensen eten, hoeveel bacteriën er aanwezig kunnen zijn in een bereide maaltijd, en hoe groot de kans is dat iemand ziek wordt na het eten ervan. Door deze simulatie 10.000 keer te draaien, konden ze het volledige bereik van mogelijke uitkomsten in kaart brengen, in plaats van te vertrouwen op één enkele, vaste gok.

De studie richtte zich op bereide kip, de laatste fase van de voedselketen voor consumptie. De onderzoekers verzamelden gegevens over hoeveel vlees de gemiddelde persoon in Saoedische Arabië eet, gecombineerd met surveillancegegevens van lokale laboratoria die bijhielden hoe vaak Salmonella en zijn resistente varianten werden aangetroffen in retailkip. Ze voerden deze cijfers in hun model in, dat berekende hoeveelheid bacteriën een persoon in een enkele portie zou kunnen binnenkrijgen. De simulatie onthulde dat de mediaan van de hoeveelheid colistine-resistente Salmonella Minnesota die per gram bereide kip wordt ingenomen, ongeveer 1,07 colony-forming units is, een maatstaf voor levende bacteriën. Hoewel dit getal klein lijkt, paste het model vervolgens een dosis-responsrelatie toe, een wetenschappelijke methode die de waarschijnlijkheid van ziekte inschat op basis van de hoeveelheid geconsumeerde bacteriën. De resultaten toonden aan dat de waarschijnlijkheid dat een persoon ziek wordt door een enkele blootstelling zeer laag was, met een mediane waarde van 8,00 × 10⁻⁵.

Wanneer de onderzoekers deze individuele risico's opschaalden naar de gehele populatie, schatten zij dat de jaarlijkse incidentie van voedselgerelateerde ziekte veroorzaakt door deze specifieke resistente stam ongeveer 0,20 gevallen per 100.000 mensen zou zijn. Dit cijfer vertegenwoordigt een mediane schatting, wat betekent dat in de overgrote meerderheid van de gesimuleerde scenario's het werkelijke aantal tussen de 0,07 en 0,54 gevallen per 100.000 mensen zou liggen. Omdat er zeer weinig gepubliceerde gegevens zijn over deze specifieke stam in Saoedische Arabië, konden de onderzoekers hun simulatie niet direct vergelijken met echte ziekenhuisgegevens voor Salmonella Minnesota. In plaats daarvan testten ze de betrouwbaarheid van hun model door te kijken naar het totale aantal alle Salmonella-infecties. De voorspelling van het model voor het totaal aantal Salmonella-gevallen kwam nauw overeen met de nationale incidentiecijfers die tussen 2015 en 2023 werden gerapporteerd, welke varieerden van 2,34 tot 7,50 gevallen per 100.000. Deze overeenstemming suggereert dat de onderliggende logica van het model solide is en dat de specifieke schattingen voor de resistente stam waarschijnlijk accuraat zijn.

De bevindingen bieden een helder, op gegevens gebaseerd beeld van een risico dat voorheen moeilijk te kwantificeren was. De studie beweert niet dat bereide kip een belangrijke bron van uitbraken is, noch suggereert het dat de huidige situatie een crisis is. In plaats daarvan biedt het een fundamenteel instrument voor volksgezondheidsfunctionarissen om de basisrisico's te begrijpen. De auteurs benadrukken dat dit probabilistische kader kan worden gebruikt om toekomstige surveillance-inspanningen te sturen, wat autoriteiten helpt te beslissen waar zij hun monitoringmiddelen op moeten richten. Door te begrijpen dat het risico bestaat maar momenteel laag is, en door een model te hebben dat kan voorspellen hoe veranderingen in landbouwpraktijken of kookgewoonten dat risico kunnen veranderen, kan Saoedische Arabië effectievere strategieën ontwikkelen om de veiligheid van de voedselvoorziening te waarborgen. Het werk staat als een praktisch voorbeeld van hoe de moderne wetenschap complexe simulaties gebruikt om beperkte gegevens om te zetten in bruikbare kennis, waardoor wordt gewaarborgd dat beslissingen over voedselveiligheid gebaseerd zijn op bewijs in plaats van op giswerk.

Technische Samenvatting: Modellering van het risico op colistine-resistent Salmonella Minnesota in bereide kip in Saoed Arabië

Probleemstelling
Antimicrobiële resistentie (AMR) bij Salmonella vormt een kritieke wereldwijde uitdaging voor de voedselveiligheid. In Saoed Arabië is Salmonella weliswaar bevestigd als de meest voorkomende pathogene bacterie die voedselinfecties veroorzaakt, maar gepubliceerde epidemiologische gegevens specifiek over AMR Salmonella Minnesota in relatie tot gevogelteproducten zijn schaars. Bestaande surveillance wijst op hoge mate van multidrug-resistentie in detailhandel-kip, en colistine-resistentie is wijdverspreid langs de gehele voedselketen. De afwezigheid van specifieke nationale gegevens over colistine-resistente Salmonella Minnesota belemmert echter de mogelijkheid om kwantitatieve risicobeoordelingen uit te voeren en gerichte surveillance-strategieën te ontwerpen. Deze studie pakt dit gat aan door te streven naar het schatten van de potentiële volksgezondheidsrisico's geassocieerd met de consumptie van bereide kip die besmet is met colistine-resistente Salmonella Minnesota, gebruikmakend van een probabilistisch kader.

Methodologie
De studie maakt gebruik van een Probabilistic Microbial Risk Assessment (PMRA)-benadering, waarbij Monte Carlo-simulaties met 10.000 iteraties worden toegepast om variabiliteit en onzekerheid te verklaren, in plaats van te vertrouwen op deterministische vaste waarden. Het model past een kwantitatief kader aan dat oorspronkelijk is ontwikkeld door Pulsrikarn et al. (2022), waarbij de inputs zijn aangepast om de omstandigheden in Saoed Arabië te weerspiegelen.

De beoordeling volgt een vierstapsstructuur:

Blootstellingsbeoordeling (Exposure Assessment):
- Consumptiegegevens: Afgeleid van het National Nutrient Consumption (NNC-V2) model, dat de dagelijkse vleesconsumptie en de waarschijnlijkheid van de selectie van kip schat.
- Microbiologische gegevens: Maakt gebruik van surveillancegegevens van de Saudi Food and Drug Authority (SFDA) uit 2020–2022 om de prevalentie van Salmonella, Salmonella Minnesota en colistine-resistente stammen te bepalen.
- Concentratie-inschatting: De initiële microbiële belastingen in bereide kip worden geschat met behulp van WHO case study-data (Case Study No. 25) en aangepast door nationale incidentiecoëfficiënten. Onzekerheid wordt gemodelleerd met uniforme verdelingen (±25% of ±50%, afhankelijk van de parameter).
- Dosisberekening: De ingenomen dosis ( $D_i$ ) wordt berekend door de voedselconsumptie, de waarschijnlijkheid van de selectie van kip en de concentratie van het pathogeen te integreren.
Gevarenkarakterisering (Hazard Characterization):
- De waarschijnlijkheid van ziekte ( $PI_i$ ) wordt geschat met behulp van een door de WHO vastgestelde Beta-Poisson dosis-responsmodellen ( $PI_i = 1 - (1 + (D_i/51.45))^{-0.1324}$ ), die de ingenomen dosis koppelt aan het aandeel individuen dat symptomatische infectie ontwikkelt.
Risicokarakterisering (Risk Characterization):
- Het model berekent de waarschijnlijkheid van blootstelling ( $PE_i$ ) en de waarschijnlijkheid van ziekte bij blootstelling.
- Het risico op populatieniveau wordt gekwantificeerd als het jaarlijkse voedselgerelateerde ziektecijfer per 100.000 inwoners. Dit omvat het schalen van het individuele risico naar het geschatte aantal jaarlijkse uitbraken toegeschreven aan kip (geëxtrapoleerd uit regionale data) en het toepassen van een aanpassingsfactor van 25% om rekening te houden met regionale variabiliteit.
Modelvalidatie:
- Vanwege het gebrek aan directe nationale gegevens voor colistine-resistente Salmonella Minnesota, werd de prestatie van het model indirect beoordeeld. De voorspelde totale Salmonella-incidentie van het model werd vergeleken met de gerapporteerde nationale incidentiecijfers (2015–2023) om de afstemming met geobserveerde epidemiologische patronen te verifiëren.

Belangrijkste Resultaten

Ingenomen dosis: De gemodelleerde mediane ingenomen dosis van colistine-resistente Salmonella Minnesota was 1,07 CFU/g (95% BI: 1,05–1,11 CFU/g).
Blootstellingswaarschijnlijkheid: De mediane waarschijnlijkheid van blootstelling werd geschat op $1,13 \times 10^{-3}$ (95% BI: $6,80 \times 10^{-4}$ tot $1,81 \times 10^{-3}$ ).
Waarschijnlijkheid van ziekte: De mediane waarschijnlijkheid van ziekte per blootstellingsgebeurtenis was $8,00 \times 10^{-5}$ (95% BI: $5,00 \times 10^{-5}$ tot $1,10 \times 10^{-4}$ ).
Populatierisico: Het geschatte jaarlijkse voedselgerelateerde ziektecijfer toe te schrijven aan dit pathogeen in bereide kip vertoonde een mediaan van 0,20 gevallen per 100.000 inwoners, met een distributie variërend van 0,07 tot 0,54 gevallen per 100.000 inwoners.
Modelprestaties: De voorspelde totale Salmonella-incidentie van het model (mediaan 4,49 gevallen per 100.000) viel binnen het bereik van de geobserveerde nationale data (2,34–7,50 gevallen per 100.000), wat suggereert dat de modeloutputs consistent zijn met bestaande epidemiologische patronen.

Betekenis en Claims
Het artikel positioneert deze studie als een fundamentele stap voor voedselveiligheidsbeheer in een omgeving met beperkte gegevens. De primaire betekenis ligt in het bieden van een probabilistisch kader dat de volksgezondheidsrisico's kan schatten waar gepubliceerde epidemiologische gegevens beperkt zijn.

De auteurs beweren dat het voorgestelde model:

Ondersteuning biedt voor voorlopige risicogebaseerde surveillance en activiteiten op het gebied van voedselveiligheid in Saoed Arabië.
Een gestandaardiseerde profileringsmethode biedt die kan worden aangepast voor andere pathogenen en resistentiepatronen door specifieke parameters bij te werken terwijl een consistent blootstelling–dosis–respons pad behouden blijft.
Gegevensgestuurde besluitvorming faciliteert door autoriteiten in staat te stellen middelen toe te wijzen aan kritieke fasen van het voedselproductieproces op basis van risicoprioritering.
Dient als basis voor toekomstig onderzoek om het kader uit te breiden naar andere micro-organismen en antimicrobiële klassen, met als uiteindelijke doel de voedselveiligheidssystemen te versterken en de volksgezondheidsuitdagingen die verband houden met voedselpathogenen te verlichten.

De studie concludeert bescheiden door op te merken dat hoewel het model overeenkomt met algemene epidemiologische trends, het steunt op vereenvoudigende aannames (bijv. constante uitbraakfrequentie) en dat directe validatie voor het specifieke resistente serotype beperkt blijft door de huidige beschikbaarheid van gegevens.

Meer zoals dit