[論文レビュー] Spread of pathogens in the patient transfer network of US hospitals

Juan Fernández Gracia, Jukka‐Pekka Onnela+3 more|arXiv (Cornell University)|Apr 30, 2015

Data-Driven Disease Surveillance被引用数 5

ひとこと要約

本研究では、2年間の期間にわたり米国の病院間患者移動ネットワークを分析し、*Clostridium difficile* (C. Diff.) などの抗菌剤耐性病原体の拡散がどのように促進されるかを調査した。ネットワーク科学的手法を用い、イン-degree（受信移動数）が著しく高い病院を監視センサーとして選択することで、病院全体の2%の病院のみを監視するだけで、C. Diff. 事例の80%を早期に検出可能であることが判明した。これは、病原体による病院内感染の拡大を早期に警告するスケーラブルなシステムを提供する。

ABSTRACT

Emergent antibiotic-resistant bacterial infections are an increasingly significant source of morbidity and mortality. Antibiotic-resistant organisms have a natural reservoir in hospitals, and recent estimates suggest that almost 2 million people develop hospital-acquired infections each year in the US alone. We investigate a network induced by the transfer of Medicare patients across US hospitals over a 2-year period to learn about the possible role of hospital-to-hospital transfers of patients in the spread of infections. We analyze temporal, geographical, and topological properties of the transfer network and demonstrate, using C. Diff. as a case study, that this network may serve as a substrate for the spread of infections. Finally, we study different strategies for the early detection of incipient epidemics, finding that using approximately 2% of hospitals as sensors, chosen based on their network in-degree, results in optimal performance for this early warning system, enabling the early detection of 80% of the C. Diff. cases.

研究の動機と目的

• 米国の病院間患者移動ネットワークの構造的性質と、抗菌剤耐性病原体の拡散に果たす役割を調査すること。
• 全国のC. Diff. 感染発生率と移動ネットワークのトポロジー的特徴の相関関係を明らかにすること。
• 初期の病院内流行を検出するためのスケーラブルでネットワークベースの早期警戒システムを開発すること。
• 移動ネットワーク内での病原体監視に最適な病院選定戦略の性能を評価すること。

提案手法

• 2年間の期間にわたり、米国の病院間で行われたMedicare患者の移動データを用いて、方向性を持ち、時間的要因を含むネットワークを構築し、1日単位の移動を静的エッジに集約した。
• 度数分布、クラスタ係数、最短経路長、空間相関などのトポロジー的性質を分析し、ネットワークが空間的制約を受けるシステムとして特徴づけた。
• 5,677の病院から得られたC. Diff. 感染発生率データを用い、特に周辺病院の感染発生パターンに注目して、ネットワークトポロジーと発生率の相関関係を検証した。
• イン-degree、アウト-degree、およびグリーディアルゴリズムに基づく病院選定戦略を評価し、流行の早期検出を最適化した。
• 異なる基準で病院のサブセットを選定して監視した場合のC. Diff. 事例の検出までの時間を測定することで、流行検出性能をシミュレーションした。
• ピーク時の感染発生率に達するまでの段階で、何パーセントのC. Diff. 事例が検出されたかを検出効率として算出し、2%のセンサー病院を基準として評価した。

実験結果

リサーチクエスチョン

• RQ1 米国の病院間患者移動ネットワークのトポロジーは、C. Diff. などの抗菌剤耐性病原体の拡散にどのように影響を与えるか？
• RQ2 病院のC. Diff. 感染発生率は、そのネットワーク上の近隣病院の発生率とどの程度相関しているか？
• RQ3 イン-degree、アウト-degree、またはグリーディアルゴリズムに基づく病院選定戦略の中で、全国的C. Diff. 流行の早期検出を最適化するのはどれか？
• RQ4 戦略的に選ばれた少数の病院が、全国的な病院内流行の早期警戒センサーとして効果的であるか？

主な発見

• 病院間移動ネットワークは強い空間的クラスタリングを示しており、90%の移動が200 km未満の距離の病院間で発生しており、高いクラスタリング係数と長い平均経路長を示し、空間ネットワークに類似している。
• 病院のC. Diff. 発生率は、そのネットワーク上の近隣病院の発生率と有意に相関しており、特に発生率が高い状態では、ネットワークを介した拡散が顕著に確認された。
• イン-degree（受信移動数）が高い病院をセンサーとして選定することで、最適な早期検出性能が得られ、監視対象病院の2%でC. Diff. 事例の80%を検出可能となった。
• アウト-degreeに基づくセンサー戦略とグリーディアルゴリズムの両方とも、ランダム選択より優れていたが、イン-degreeに基づく選定が最も高い検出効率を示した。
• 度数分布が重尾的で、同調性が低いというネットワーク構造は、間接的な伝播経路を通じて、地理的に離れた病院間でも病原体の拡散を可能にする。
• 本研究では、少数の戦略的に選ばれたセンサー病院ネットワークが、全国的な病院内流行の早期警戒を可能にすることを示した。これは、深刻な公衆衛生的ギャップを埋めるスケーラブルな解決策を提供する。