Contrôle des entérobactéries émergentes multi-résistantes au sein du réseau des hôpitaux Modélisation et évaluation économique des mesures Narimane Nekkab PhD Candidate CNAM 2018 MPH EHESP 2015 MCB UC Berkeley 2013 narimane.nekkab@cnam.fr @ehesp.fr @gmail.com Les rencontres étudiantes du réseau PRINCEPS, 7 mars 2017
Les résultats de mes recherches De octobre 2015 à aujourd hui Sous la supervision de Laura Temime, directrice de thèse (MESuRS, CNAM) Pascal Crépey, co-encadrent de thèse (METIS, EHESP) Article I. Mathematical models of infection transmission in healthcare settings: recent advances from the use of network structured data (soumis, Current Opinion of Infectious Diseases) Article II. Spread of hospital-acquired infections: a comparison of patient transfer networks (soumis, PLoS Computational Biology) Article III. Modeling the evolution in time of CPE episodes in France 2010-2015 (en préparation) Article IV. Transmission tree reconstruction of CPE Episodes in France 2010-2015 (en préparation) 14/03/2017 Narimane Nekkab PRINCEPS 2
Article I. Mathematical models of infection transmission in healthcare settings: recent advances from the use of network structured data Co-auteurs Rania Assab*, Narimane Nekkab*, Pascal Crépey, Pascal Astagneau, Didier Guillemot, Lulla Opatowski, Laura Temime Critère d inclusion pour la revue systématique 1. Model mathématique ou mécanistique des pathogènes βi γ Susceptible Infected Recovered 2. Dans un établissement de santé 14/03/2017 Narimane Nekkab PRINCEPS 3
Article I. Mathematical models of infection transmission in healthcare settings: recent advances from the use of network structured data L 3 S I Contact Transfer Sans données réelles Contacts R Transferts L L 1 L 2 14/03/2017 Narimane Nekkab PRINCEPS 4
Article II. Spread of hospital-acquired infections: a comparison of patient transfer networks Co-auteurs Narimane Nekkab*, Pascal Astagneau, Laura Temime, Pascal Crépey Objectives Caractérisé des réseau de transferts des patients en France Etabli lequel représente le mieux les mécanismes sousjacentes de la propagation des infections nosocomiales «HAI Network» «Suspected HAI Network» [1] 3 réseaux de transferts des patients (PMSI 2014) Comparaison avec des graphes aléatoires «Erdos-Renyi random graph model» «Random patient networks» «Non-Specific Patient Network» 14/03/2017 Narimane Nekkab PRINCEPS 6
Caractérisation des réseaux Quels hôpitaux ont un rôle important? Est-ce que la circulation des patients est centralisée? Comment et où se propagent les INs? Smallest to largest degree 14/03/2017 Narimane Nekkab PRINCEPS 7
«Community clustering» Plusieurs études montrent que des réseaux d établissements de santé ont une structure de groupe/communauté [2-5] 2 algorithmes de détection Mesures de contrôle Niveau régional Niveau départemental 14/03/2017 8
Article III. Modeling the evolution in time of CPE episodes in France 2010-2015 Entérobactéries productrices de carbapenemases (EPC) 2346 épisodes en France de 2011-2015 Mécanismes de résistances (OXA-48, NDM, VIM, KPC) Évolutions temporelles SARIMA: seasonal autoregressive integrated moving average 14/03/2017 Narimane Nekkab PRINCEPS 9
Lien Épisode avec = l étranger 1 cas = importé Sans lien avec l étranger = non-importé Épisode > 1 cas
Article IV. Transmission tree reconstruction of CPE Episodes in France 2010-2015 Deux mécanismes expliquent l augmentation du nombre d épisodes d EPC 1. La transmission directe depuis des cas infectés à l étranger 2. La circulation en population de ces pathogènes résistants La reconstruction statistique de chaines de transmission est possible: Connaissance du moment de la survenue des cas, L intensité des liens entre hôpitaux, et Distances géographiques 14/03/2017 Narimane Nekkab PRINCEPS 11
Approche empirique Oldest to newest date Hypothèses de transmission 1. Les épisodes sont considérés comme des cas 2. Les cas «index» sont importés et les cas secondaires sont non-importé 3. Un cas index doit se présenter au moins N jours avant un cas secondaire pour qu il y a un lien 4. Les départements d un cas index et d un cas secondaire doivent être suffisamment connectés dans le réseau de départements Exemple Episodes d OXA-48 de 2015 N = 30 jours Premières 30 connections dans le réseau 14/03/2017 Narimane Nekkab PRINCEPS 12
10 épisodes Approche bayésienne en cours Chaque nœud est un épisode Les départements d un «cas» index et d un «cas» secondaire doivent être connecté dans le réseau de départements L épaisseur des liens = vraisemblance de la connexion Exemples Épisodes d OXA-48 de 2015 Temps de génération = 20 jours 30 épisodes 14/03/2017 Narimane Nekkab PRINCEPS 13
Références [1] Gerbier S, Bouzbid S, Pradat E, Baulieux J, Lepape A, Berland M, et al. Use of the French medicoadministrative database (PMSI) to detect nosocomial infections in the University hospital of Lyon. Revue D Epidemiologie Et De Sante Publique. 2011;59(1):3-14. [2] Ciccolini M, Donker T, Kock R, Mielke M, Hendrix R, Jurke A, et al. Infection prevention in a connected world: The case for a regional approach. International Journal of Medical Microbiology. 2013;303(6-7):380-7. [3] Donker T, Wallinga J, Grundmann H. Patient Referral Patterns and the Spread of Hospital-Acquired Infections through National Health Care Networks. Plos Computational Biology. 2010;6(3). [4] Donker T, Wallinga J, Slack R, Grundmann H. Hospital Networks and the Dispersal of Hospital- Acquired Pathogens by Patient Transfer. Plos One. 2012;7(4):8. [5] Fernández Gracia J, Onnela J-P, Barnett ML, Eguíluz VM, Christakis NA. Spread of pathogens in the patient transfer network of US hospitals. Physics and Society. 2015 14/03/2017 Narimane Nekkab PRINCEPS 14
Merci pour votre attention 14/03/2017 Narimane Nekkab PRINCEPS 15