《Frontiers in Public Health》:Activating laboratory surveillance response to the threat of H5N1 influenza in the Veterans Health Administration, 2024–25
编辑推荐:
摘要
引言:退伍军人健康管理局(VHA)在2024–2025年高致病性禽流感(HPAI)A(H5N1)广泛动物流行期间,动员并调整其已建立的国家基础设施,以加强流感监测。此外,VHA的公共卫生参考实验室(PHRL)扩展了H5亚型分型和全基因组测序(WGS)
摘要
引言:退伍军人健康管理局(VHA)在2024–2025年高致病性禽流感(HPAI)A(H5N1)广泛动物流行期间,动员并调整其已建立的国家基础设施,以加强流感监测。此外,VHA的公共卫生参考实验室(PHRL)扩展了H5亚型分型和全基因组测序(WGS)能力,以支持检测。
方法:研究人员通过定制化查询增强常规流感监测,以识别在报告动物中检测到H5N1的高风险县中的病例。与VHA临床实验室协调后,选择样本送至PHRL。PHRL对接收到的标本(包括住院病例)进行亚型分型。研究人员将VHA中甲型流感病例的人口学特征与居住在高风险“监测”县(报告动物中检测到H5N1)的病例以及其标本被送至PHRL进行H5亚型分型的病例进行比较。
结果:从2024年4月1日至2025年5月31日,研究人员识别出40,406例VHA甲型流感阳性病例(其中12.5%进行了本地亚型分型),包括来自“监测”县的5,348例。PHRL共接收1,155份标本进行H5亚型分型,其中180份完成WGS。与其他甲型流感病例相比,“监测”县的病例中女性较少,50–69岁年龄组较少,西班牙裔比例较高。未检测到H5N1。
结论:研究人员强调,在公认的广泛动物流行期间,在一个大型国家卫生系统内进行H5N1流行病学和实验室监测所需的复杂性和资源。需要额外资源支持本地VA临床实验室的分散化甲型流感亚型分型,因为PHRL的集中化亚型分型和WGS并不全面。尽管VHA退伍军人中尚未观察到H5流感,但持续风险仍需保持警惕和监测。
**论文解读:VHA应对H5N1流感威胁的实验室监测响应(2024–25)**
**研究背景与问题**
H5N1流感(“禽流感”)在全球野生鸟类中广泛流行,并导致商业家禽、后院禽群、家养动物及野生哺乳动物乃至人类的溢出事件。2024年春季,美国爆发了多州高致病性禽流感(HPAI)A(H5N1)广泛动物流行,涉及至少17个州的995个奶牛群、50个州的336个商业家禽群和207个后院禽群,影响超过9,090万只鸟类。截至2026年3月,美国报告了71例散发性H5N1人间病例,其中至少4例住院、2例死亡。尽管美国疾病控制与预防中心(CDC)评估当前对普通人群的风险仍较低,但其他国家持续报告人间病例,凸显了主动监测和持续警惕的重要性。
大多数临床检测仅能区分甲型和乙型流感,无法区分H5N1与H1或H3亚型。在疫情持续背景下,对甲型流感阳性但季节性甲型病毒亚型阴性的标本,优先在公共卫生实验室进行额外检测。美国退伍军人事务部(VA)下属的退伍军人健康管理局(VHA)是美国最大的综合医疗系统,每年服务超过700万退伍军人。退伍军人因年龄较大、疾病负担和合并症较高,面临更高的流感及并发症风险。VHA公共卫生办公室(OPH)已建立基于电子健康记录(EHR)的常规流感监测体系。为应对H5N1威胁,白宫大流行防范办公室要求VHA开展增强型监测。研究人员利用现有基础设施,启动增强型被动流感监测,以主动监测异常趋势并保持态势感知。同时,VHA公共卫生参考实验室(PHRL)建立了无需CDC确认即可对呼吸道和结膜样本进行H5亚型分型的能力。此前,VHA已建立VA测序研究临床与流行病学(SeqFORCE)系统用于SARS-CoV-2测序,研究人员将其扩展用于流感全基因组测序(WGS)。
**研究目的**
主要目标是快速增强和调整VA的流感监测与实验室检测基础设施,以主动检测、监测和表征退伍军人中可能的H5N1甲型流感病例。次要目标包括:(1)利用H5N1特定监测的经验教训,完善VHA新型流感监测和检测策略;(2)评估甲型流感病例的人口学、地理和临床特征(包括高风险县和住院患者);(3)分析实验室发现(包括分支/亚分支分布及队列中H5N1的存在/缺失);(4)通过分享见解和操作经验,评估监测有效性以指导未来公共卫生应对。
**关键技术与方法**
研究人员利用VHA的Praedico公共卫生监测系统(Bitscopic),基于文本触发词(如“禽流感”“结膜炎”“H5N1”)和实验室检测异常建立增强型被动监测。通过公开来源(美国农业部动植物卫生检验局、CDC、世界动物卫生组织等)识别“监测县”——即有人间或动物(奶牛、家禽)H5N1确诊病例的县,共254个县(45个州),监测期至少持续60天。对于居住在监测县且甲型流感阳性但无H1/H3亚型结果的病例,研究人员要求当地VHA临床实验室将未分型标本送至PHRL进行H5亚型分型及可能的WGS。此外,根据CDC加速亚型分型建议,所有住院甲型流感患者的标本也纳入PHRL检测。PHRL使用CDC人流感实时RT-PCR诊断面板(甲型/乙型分型试剂盒和甲型/H5亚型分型试剂盒)进行H5亚型分型;对选定标本(基于地理、Ct值<30等)进行WGS,使用MagNA Pure 96提取RNA、多段逆转录PCR(MRT-PCR)扩增、Nextera XT文库制备及MiSeq测序,并通过IRMA流程和NextClade进行病毒分支/亚分支分析。统计分析采用卡方检验比较三组人群(VHA总体、监测县组、PHRL标本组)的人口学特征。
**研究结果**
**3.1 甲型流感标本**
在2024年4月1日至2025年5月31日监测期内,VHA系统共识别40,406例甲型流感阳性病例(覆盖所有50个州、DC和波多黎各)。PHRL接收1,155份标本进行亚型分型(其中1份为结膜标本,其余为呼吸道标本)。监测县共识别5,348例甲型流感病例。在PHRL接收的标本中,642例(55%)来自监测县。监测期间,向73个设施请求了1,067份标本,实际收到283份(响应率26.5%)。PHRL标本来自36个州或辖区;其中184份为住院病例(来自27个辖区),141份(75%)在2025年1月HAN/备忘录发布后收到。
**3.2 甲型流感阳性病例的人口学分析**
三组人群特征比较:VHA总体(n=33,903)、监测县组(n=5,348)、PHRL标本组(n=1,155)。监测县组与PHRL标本组特征相似。与VHA总体相比,监测县组西班牙裔比例显著更高(12.6% vs 10.1%),50–69岁年龄组比例较低(37.8% vs 40.1%),女性比例较低(12.6% vs 14.0%)。流感疫苗接种状态在三组间相似。PHRL标本组住院比例略低(15.9% vs 16.3%)。地理分布上,PHRL标本组中西部地区占比最高(45.1%),其中加利福尼亚州贡献最大(40.4%)。
**3.3 甲型流感亚型分型分析**
VHA临床实验室本地亚型分型率较低:全网络仅12.5%的甲型流感阳性标本进行了亚型分型,监测县为<21%。PHRL接收的标本中97%为未分型标本。PHRL检测的中位Ct值为26.67(范围14.26–41.4,其中97份Ct值不确定)。从VAMC采集到PHRL接收的中位运输时间为7天(范围1–64天);PHRL接收后到完成H5亚型分型的中位周转时间为6天(范围0–57天)。所有1,155份标本均未检测到H5N1。
**3.4 全基因组测序结果**
在1,155份标本中,对208份便利样本进行了WGS尝试,其中180份获得>70%基因组覆盖度(范围70.9–99.0%,中位Ct值27.26,其中15份Ct值不确定)。WGS成功识别了H1N1和H3N2亚型,覆盖22个州及DC。H1N1菌株分属4个分支(14个亚分支),H3N2菌株分属3个分支(6个亚分支)。分析结果与CDC同期数据一致。未发现任何H5N1菌株,与RT-PCR H5亚型分型结果一致。
**讨论与结论**
**讨论**
本研究总结了VHA在2024年启动的H5N1应对措施,通过增强型被动监测、分子检测和测序,建立了多管齐下的监测策略。尽管未检测到H5N1,但不能排除有未检出病例的可能性。由于动物种群中H5N1持续传播,仍需保持警惕。
关键经验包括:公共卫生与临床实验室的紧密合作至关重要;扩大监测需要足够的诊断检测资源和专业测序能力。由于VHA临床实验室本地亚型分型率仅12.5%,存在漏诊风险。研究人员通过针对高风险地理区域进行集中亚型分型,避免了淹没临床实验室系统。但即使采用针对性策略,26.5%的标本响应率仍可能导致漏检。未来需战略性地分散化甲型流感亚型分型能力,扩大VAMC临床实验室的H3/H1亚型分型能力,或建立自动反射检测流程,使PHRL能专注于H5亚型分型和WGS。短期内在高检测量时,可能需要基于暴露史、临床严重程度或地理邻近性的混合风险分层方法。
局限性包括:并非所有高风险个体均接受亚型分型或WGS;部分请求标本已被丢弃;多数标本为上呼吸道,而下呼吸道或结膜样本可能更适用于H5N1检测;患者电子健康记录中缺乏职业或流行病学暴露史信息;标本请求响应率不理想;部分标本运输过程中可能降解导致不确定结果。
**结论**
VHA在美国广泛动物流行期间努力加强流感H5亚型分型和测序的监测与实验室能力。通过这一过程,VA公共卫生部扩展了流感病例的病毒学特征分析,同时建立了一个协调、高效、流行病学合理且实验室信息化的监测方法。尽管VHA卫生系统内退伍军人中尚未观察到H5N1流感,但持续风险仍需保持警惕和监测。尽管分散化检测仍面临挑战,但本研究的框架可应用于未来公共卫生应对行动。