Usan modelo informático para controlar mejor brotes de MRSA

Un equipo de investigadores dirigido por científicos de la Escuela de Salud Pública Mailman de la Universidad de Columbia informa sobre un nuevo método para ayudar a los funcionarios de salud a controlar los brotes en los hospitales, de Staphylococcus aureus resistente a la meticilina, o MRSA.

Desarrollo del modelo informático para controlar mejor brotes de MRSA

Los investigadores son los primeros en revelar la dinámica invisible que rige la propagación de estos brotes de infecciones resistentes a los antibióticos que amenazan la vida y en demostrar un método nuevo y más eficaz para prevenir su propagación. Los hallazgos se publican en la revista eLife.

El equipo de investigación desarrolló un modelo informático de los brotes de MRSA utilizando más de 2 millones de registros de admisión de 66 hospitales en el área de Estocolmo, Suecia, lo que representa un período de 6 años. Su modelo recreó brotes de la cepa MRSA más prevalente, UK EMRSA-15, que está presente en 16 países de todo el mundo, incluido Estados Unidos. Adaptando las técnicas estadísticas utilizadas en la predicción meteorológica, el modelo simula 2 dinámicas conectadas a escala individual: 

  1. Transmisión dentro de los hospitales
  2. Infecciones importadas desde la comunidad.

La información sobre cuándo y dónde los pacientes fueron admitidos y dados de alta y quién fue diagnosticado de MRSA se usa para revelar un grupo de “colonizadores furtivos“: individuos que son infecciosos pero cuyo estado es invisible.

Calculando posibilidades de infeccción

El modelo de inferencia estimó hasta 400 casos de MRSA asintomáticos por mes en los hospitales suecos, y que hasta el 61% de las infecciones por MRSA diagnosticadas en el entorno hospitalario que se importaron desde la comunidad.

Más que revelar la dinámica de transmisión oculta, el nuevo método de simulación de MRSA calcula las posibilidades de que cada paciente se infecte. Los investigadores probaron el valor de estas probabilidades simulando una intervención que brinda tratamiento a pacientes de alto riesgo. 

Descubrieron que su intervención dirigida era mejor para controlar un brote que las prácticas actuales. La intervención dirigida proporcionó una reducción adicional del 50% en las infecciones y una reducción adicional del 80% en los pacientes colonizados.

En comparación con las estrategias tradicionales de intervención que pueden pasar por alto un número considerable de pacientes colonizados invisibles, este nuevo modelo de sistema de inferencia puede identificar un grupo fundamental para el tratamiento, es decir, los individuos que de otro modo podrían transmitir MRSA de forma asintomática“, dice el primer autor Sen Pei, investigador postdoctoral científico del Departamento de Ciencias de la Salud Ambiental de la Columbia Mailman School.

Validación y resultados

Los investigadores primero validaron su método de inferencia utilizando brotes virtuales generados con el modelo informático. A diferencia de los registros del hospital, donde solo se observan infecciones, este brote generado por el modelo “observa” todas las características del brote (por ejemplo, el número de pacientes colonizados “sigilosos“). Luego utilizaron las observaciones simuladas de infección como entrada para su método de inferencia de modelo y pudieron estimar de manera confiable la dinámica oculta del brote virtual, incluidas las tasas de importación de MRSA de la comunidad y el número de pacientes colonizados. Estos hallazgos confirmaron la validez del enfoque y motivaron su aplicación a los datos del hospital sueco.

Los investigadores informan que planea aplicar su sistema a otros patógenos resistentes a los antimicrobianos y en entornos con una mayor carga de enfermedad.

Nuestro método proporciona una forma poderosa y rentable para que los hospitales y los funcionarios de salud pública contengan los brotes de MRSA y otras infecciones resistentes a los antibióticos a medida que se vuelven cada vez más comunes“, dice el autor principal Jeffrey Shaman, profesor asociado de Ciencias de la Salud Ambiental en Columbia Mailman.

Referencias

  1. Sen Pei, Flaviano Morone, Fredrik Liljeros, Hernán Makse, Jeffrey L Shaman; Inference and control of the nosocomial transmission of methicillin-resistant Staphylococcus aureus; eLife; 2018 7 e40977; DOI:10.7554/eLife.40977; Publicado el 18 de diciembre de 2018; Disponible en el URL https://elifesciences.org/articles/40977

Tabla de contenidos

Compartir:

Compartir en facebook
Facebook
Compartir en twitter
Twitter
Compartir en pinterest
Pinterest
Compartir en linkedin
LinkedIn