[论文解读] 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 5

一句话总结

本研究分析了美国医院患者转诊网络在两年内的运行情况，以探究其在传播耐药病原体（如艰难梭菌，C. Diff.）中的作用。利用网络科学方法，研究发现：通过选择入度（接收转诊患者数）高的医院作为监测传感器，仅需监测2%的医院即可实现对80% C. Diff. 病例的早期发现，从而构建出一种可扩展的医院内感染暴发早期预警系统。

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.

研究动机与目标

• 探究美国医院患者转诊网络的结构特性及其在传播耐药病原体中的潜在作用。
• 将全国C. Diff. 感染发病率与转诊网络的拓扑特征进行关联分析。
• 开发一种可扩展的、基于网络的早期预警系统，用于检测潜在的医院内暴发疫情。
• 评估不同医院选择策略在转诊网络中进行病原体监测的性能表现。

提出的方法

• 构建了美国医院之间基于Medicare患者的转诊网络，时间跨度为两年，将每日转诊数据聚合为静态边，形成有向时序网络。
• 分析了度分布、聚类系数、最短路径长度及空间相关性等拓扑特性，将该网络表征为一种空间受限的系统。
• 利用来自5,677家医院的C. Diff. 感染发病率数据，测试其与网络拓扑结构的相关性，特别关注邻居医院的发病率模式。
• 评估了多种传感器选择策略——按入度、出度及一种贪心算法优先选择医院——以优化疫情的早期检测效果。
• 通过模拟不同选择标准下监测医院子集的疫情检测性能，测量C. Diff. 病例的检测时间。
• 将检测效率定义为在疫情达到高峰前检测到的C. Diff. 病例占比，并以2%的传感器阈值作为基准进行计算。

实验结果

研究问题

• RQ1 美国医院患者转诊网络的拓扑结构在多大程度上影响耐药病原体（如C. Diff.）的传播？
• RQ2 某家医院的C. Diff. 感染发病率在多大程度上与网络中邻近医院的发病率相关？
• RQ3 基于入度、出度或贪心算法的医院选择策略中，哪一种最优化了全国范围C. Diff. 暴发的早期检测？
• RQ4 是否可以通过少量战略性选择的医院组成传感器网络，有效作为全国医院内感染暴发的早期预警系统？

主要发现

• 医院转诊网络表现出强烈的地理聚集性，90%的转诊发生在相距200公里以内的医疗机构之间，且具有高聚类性和长平均路径长度，符合空间网络的特征。
• 某家医院的C. Diff. 感染率与网络中邻近医院的感染率显著相关，尤其在高感染率区域，表明存在网络介导的传播。
• 基于入度（即接收转诊患者数）选择医院作为传感器，可实现最优的早期检测性能，仅监测2%的医院即可捕获80%的C. Diff. 病例。
• 基于出度的传感器策略和贪心算法均优于随机选择，但入度选择策略的检测效率最高。
• 该网络的结构特征（如幂律度分布和低度相关性）支持病原体通过间接传播链在地理上分散的医院之间传播。
• 本研究证明，一个小型但战略性选择的传感器网络可为全国范围的医院内感染暴发提供早期预警，为应对关键公共卫生缺口提供可扩展的解决方案。