艰难梭菌（Clostridioides difficile）感染传播动力学与高频接触表面的定量系统综述：为数学模型提供关键参数

《Infection Control & Hospital Epidemiology》：Quantitative summarization of high-touch surfaces and epidemiological parameters of Clostridioides difficile acquisition and transmission for mathematical modeling: a systematic review

为解决医疗相关感染中艰难梭菌（CDI）传播模型参数缺乏标准化的问题，研究人员开展系统综述，量化总结了基本再生数（R0）、潜伏期等关键流行病学参数，并首次对医疗环境中高频接触表面（HTSs）进行定量排序。结果显示R0值差异显著（0.28-2.6），床栏和床头柜是最常接触表面，该研究为优化感染控制策略提供了重要数据支撑。

　　

在当今医疗环境中，医疗相关感染（Healthcare-Associated Infections, HAIs）已成为威胁患者安全和公共卫生的重大挑战。其中，艰难梭菌感染（Clostridioides difficile Infection, CDI）尤为突出，每年在美国导致约3万人死亡，其孢子通过粪-口途径传播，可在环境中长期存活，需使用含氯消毒剂和肥皂水洗手才能有效控制。近年来，高毒力菌株（如流行株BI/NAP1/027）的出现加剧了疫情爆发，但传播动力学中的关键不确定性仍阻碍着有效的预防与控制。

数学模型通过模拟病原体在医疗环境中的传播过程，为理解零星病例如何发展为流行病提供了重要工具，并指导HAIs的控制策略。这些模型可分为 compartmental models（分区模型）和 agent-based models（基于个体的模型），前者将患者分组为易感、感染或康复等类别，后者则模拟个体患者、工作人员或表面的互动。然而，模型的准确性和实用性高度依赖于所使用流行病学参数的可靠性。此外，有证据表明，环境表面和医疗设备等污染物（fomites）在HAIs传播中扮演关键角色，但以往研究多基于定性经验，缺乏对高频接触表面（High-Touch Surfaces, HTSs）的定量分析。

为此，Isaac Olufadewa等研究人员在《Infection Control & Hospital Epidemiology》发表了系统综述，旨在定量总结CDI获取和传播的关键流行病学参数，并为数学模型提供可靠输入；同时，通过量化医疗环境中的HTSs和互触表面（mutual-touch surfaces），为优化清洁协议和干预策略提供依据。

研究人员采用系统综述方法，检索了Web of Science、PubMed、CINAHL和Cochrane数据库，使用与数学模型参数和HTSs相关的多组关键词，严格遵循PRISMA指南，并注册于PROSPERO（CRD42023408483）。纳入标准包括提供至少一个感染建模参数的研究或定量观察HTSs的同行评审文献，排除基于专家意见或缺乏数值数据的定性研究。通过标题、摘要和全文筛查，最终从328篇模型中纳入21项研究，从2826篇表面接触研究中纳入7项研究。数据提取涵盖模型类型（如compartmental和agent-based）、动力学类型（如stochastic和deterministic）、参数估计（如R₀和传播系数）以及表面接触频率和持续时间等。

模型类型与分布：

在21项CDI数学模型研究中，76.2%使用compartmental model approaches，将患者分组为疾病类别（如易感、感染或康复），而23.8%应用agent-based model approaches，模拟个体患者、工作人员或表面。71.4%的研究采用stochastic models（随机模型）以纳入现实世界变异，14.3%为deterministic models（确定性模型），14.3%为hybrid models（混合模型）。研究多来自美国（40%）和澳大利亚（28%），主要聚焦急性护理机构，其他环境如护理院较少涉及。

基本再生数（R₀）估计：

五项研究提供了R₀（基本再生数）估计，范围从0.28（提示医院传播有限）到2.6（表明可持续的院内传播）。一项研究估计社区R₀为1.09，总体人群为1.11，医院为0.28，支持社区输入假设；而最高值2.6则显示CDI可在无社区输入情况下持续传播。其他研究报道值包括1.07、0.57、0.44和0.67，反映不同环境和控制实践下的变异。

传播系数（Transmission Coefficient）：

十项研究报告了传播系数（衡量病原体传播效率的指标），范围从0.001到0.5，表明CDI传播风险在不同医院设置中差异显著。仅一项研究量化了来自污染环境源（如fomites）的传播，系数为0.5，突显环境清洁的重要性。

恢复率和复发率：

六项研究提供恢复率（感染者每日恢复比例）估计，范围为0.099–0.21每天，意味每日10%–21%患者康复；复发率（初始缓解后再次发作的比例）为0.13–0.3每天，表明近三分之一患者可能在数日内复发。

医院出院率和病死率（CFR）：

九项研究估计医院出院率，范围0.04–0.2每天，反映患者群体和医疗设置的差异。九项研究报告病死率（Case Fatality Rate, CFR），范围0.0000111–0.02每天，这些值与模型时间步长一致，不可直接与临床死亡率指标比较。

潜伏期（Incubation Period）：

四项研究明确估计潜伏期（感染到症状出现的时间），分别为4、5、6和18天，显示CDI潜伏特征的 variability。

高频接触表面（HTSs）排名：

基于九医疗环境的定量数据，床栏（bed rails）以平均排名得分2.43成为最常接触污染物，其次为床头桌（bedside tables）和供应车（supply carts）。其他高接触表面包括 medication carts、患者笔记、患者身体、电脑键盘、电话等。

互触表面和接触持续时间：

两项研究提供互触表面定量数据，如供应车抽屉、洗手龙头把手等，接触频率最高达17.1次每小时。无研究定量测量接触持续时间，仅提供接触频率数据。

异质性和时间变异：

研究间存在高异质性，使用不同测量指标（如触摸总数、每小时接触次数）。一项研究显示夏季接触频率显著高于冬季（P=0.002）， odds ratio 提示夏季活动为冬季两倍以上（CI: 0.269–0.738）。

该研究通过系统综述定量综合了CDI传播参数和HTSs证据，强调少数表面（如床栏和供应车）占大多数接触事件， targeted disinfection（靶向消毒）可能减少环境传播，在资源有限设置中应优先处理。模型输出需谨慎解读，因不同类型模型（compartmental vs. agent-based）会因假设不同而产生结果变异， agent-based models 可能给出更广泛的干预影响范围。

研究发现当前CDI建模研究存在主要局限：R₀估计研究有限，而R₀值高低直接影响感染预防策略——高值（>1）时需优先严格隔离和增强清洁，低值（<1）时则应关注社区输入控制。为将成果转化为实践，建议感染预防团队进行环境审计，量化高触和互触表面接触，以优化清洁协议。

总之，准确参数估计对开发 inform 传染病控制的数学模型至关重要。本研究通过总结CDI获取和传播的关键参数，以及量化人-环境接触模式，强化了感染控制策略。尽管证据 gaps 仍存，但建模研究应扩展至急性护理医院以外环境。这些发现将使医疗团队能更好模拟和优先干预措施，优化清洁协议，并 refine CDI传播模型用于更靶向的预防。