Les infections nosocomiales (IAS) sont généralement associées à un risque accru de développer une résistance aux antimicrobiens (RAM). À l’échelle mondiale, de nombreux patients sont touchés par les IASS, ce qui a considérablement augmenté le coût opérationnel global du système de santé. Bien qu’il soit extrêmement important d’identifier les agents pathogènes ayant des taux de transmission élevés en milieu hospitalier, la capacité des laboratoires de diagnostic manque pour les suivre.
Arrière plan
En Australie, plus de 165 000 patients souffrent d’IASS chaque année. Une enquête australienne de 30 jours a révélé que les taux de mortalité des patients résistants à la méthicilline Staphylococcus aureus (MRSA) et résistant à la vancomycine Entérocoque (ERV) en milieu hospitalier étaient de 14,9 % et 20 %, respectivement. La même enquête a également signalé une mortalité de 18,6 % due à la production de bêta-lactamase à spectre étendu Escherichia coli (ESBL-E) bactériémies en milieu hospitalier.
L’analyse génomique s’est révélée être un outil efficace pour caractériser les voies de transmission des agents pathogènes. Cet outil pourrait améliorer les mesures de prévention et de contrôle des infections lors d’épidémies pathogènes. Néanmoins, il est rarement utilisé comme outil de surveillance et de prévention en temps réel.
Les méthodes conventionnelles utilisées pour l’analyse génétique prennent généralement du temps et les instruments d’analyse ne sont pas facilement disponibles en dehors des laboratoires spécialisés. Récemment, des méthodes de séquençage du génome entier (WGS) ont été développées pour analyser la dynamique de transmission des pathogènes bactériens, ce qui a permis d’évaluer leur potentiel d’épidémie. Cette méthode pourrait être utilisée comme outil de première ligne pour gérer les agents pathogènes qui pourraient menacer la vie humaine.
Dans un récent Maladies infectieuses cliniques étude, les scientifiques ont développé un flux de travail clinique WGS qui peut détecter les événements de transmission d’un agent pathogène avant qu’ils ne deviennent dominants. Par conséquent, cette méthode peut prévenir et contrôler efficacement les infections et aider à développer des stratégies pour répondre de manière appropriée aux épidémies.
À propos de l’étude
Des isolats de SARM, d’ERV, de BLSE-E, d’Acinetobacter baumannii (CRAB) résistant aux carbapénèmes et d’entérobactéries productrices de carbapénémases (CPE) ont été obtenus à partir d’hémocultures, de liquide céphalo-rachidien, de sites stériles et d’échantillons de dépistage (p. hôpitaux de Brisbane, en Australie. Au total, 2 660 isolats bactériens ont été obtenus entre le 19 avril 2017 et le 1er juillet 2021 auprès des hôpitaux participants. Ces pathogènes bactériens ont été isolés chez 2336 patients, parmi lesquels 259 patients ont fourni plusieurs isolats.
Dans cette étude, les échantillons ont été prélevés chaque semaine, avec une moyenne de 8 échantillons par semaine. Ces échantillons ont été soumis à une analyse WGS. WGS a aidé à établir en silicone typage de séquence multi-locus (MLST). De plus, le profilage des gènes de résistance a été effectué à l’aide d’un pipeline d’analyse génomique sur mesure.
Les événements putatifs d’éclosion ont été déterminés en comparant les polymorphismes mononucléotidiques (SNP) du génome central. Les données cliniques appropriées ont été analysées avec les données d’analyse génomique grâce à une automatisation personnalisée. Ces résultats ont été rassemblés avec des rapports spécifiques à l’hôpital régulièrement distribués aux équipes de contrôle des infections.
Résultats de l’étude
Parmi les isolats bactériens totaux séquencés au cours de la période d’étude, 293 se sont révélés être des bacilles gram-négatifs MDR, 620 SARM et 433 ERV. La combinaison de données génomiques et épidémiologiques a permis d’identifier 37 grappes qui s’étaient peut-être produites en raison d’événements de transmission communautaires plutôt qu’hospitaliers.
Les données SNP du génome de base ont révélé que 335 isolats formaient 76 grappes distinctes. Fait intéressant, parmi les 76 grappes, 43 étaient associées aux hôpitaux participants. Cette découverte suggère la survenue d’une transmission bactérienne continue en milieu hospitalier. Les 33 grappes restantes étaient liées soit à des événements de transmission interhospitalière, soit à des souches bactériennes circulant au sein d’une communauté.
Implications de l’étude
La disponibilité de rapports opportuns est cruciale pour développer un programme de surveillance efficace. Fait important, le protocole actuel pourrait fournir des données génomiques dans les 10 jours suivant le prélèvement de l’échantillon. Il convient de noter que le délai moyen de traitement des rapports de 33 jours limite la pertinence clinique des données.
Certains facteurs associés aux longues périodes de rapport sont le transport entravé des échantillons vers le laboratoire central, le manque d’infrastructure WGS sur site ou dédiée et le développement continu du pipeline d’analyse. Néanmoins, une réorganisation structurelle et des améliorations du flux de travail pourraient minimiser ces retards.
Dans cette étude, la méthode basée sur le WGS a permis d’identifier deux groupes de transmission putatifs Ab1050-A1 et Eh90-A2, associés à des épidémies précédentes. Cette découverte suggère fortement que le WGS doit être déployé comme un outil de surveillance prospective pour prévenir les épidémies pathogènes.
conclusion
L’une des principales limites de cette étude est que le programme de surveillance prospective était principalement basé sur des bactéries multirésistantes. Par conséquent, l’étude actuelle n’a pas pris en compte d’autres organismes pathogènes sensibles aux antibiotiques.
Même s’il est difficile d’intégrer le flux de travail WGS et d’autres infrastructures de calcul appropriées dans les systèmes existants dans le cadre des soins de santé, il est important d’établir la même chose pour prévenir de futures épidémies. L’établissement basé sur WGD peut réduire le coût global du système de santé.
