利用非脊髓灰质炎肠道病毒检测评估2014—2017年索马里急性弛缓性麻痹病例粪便标本的完整性

Using Nonpolio Enterovirus Detection to Assess the Integrity of Stool Specimens Collected From Acute Flaccid Paralysis Cases in Somalia During 2014-2017

作者信息Amen Ben Hamida, Kamil Mohamed Ali, Rennatus Mdodo, Abdinoor Mohamed, Kumlachew Mengistu, Rosemary M Nzunza, Noha H Farag, Derek T Ehrhardt, Eltayeb Elfakki, Chukwuma Mbaeyi
PMID32455146
发布时间2020-04-21
DOI10.1093/ofid/ofaa135

实验完整度

中

基于监测数据的回顾性分析,采用logistic回归评估NPEV检出率与可及性的关联,包含描述性统计和多变量模型。

主要模型

1348例AFP病例的监测数据队列

重点核对

病例纳入标准:2014年1月1日至2017年12月31日发病,且有有效NPEV检测结果且未分离出WPV或VDPV的AFP病例 可及性分类:使用2017年项目分类,分为可进入、部分可进入和不可进入地区 主要结局:NPEV检测(是/否) 多变量模型:调整年龄、可及性、Sabin样病毒检测等变量 统计分析:使用R Studio 1.1.447进行logistic回归

摘要

背景 尽管索马里面临安全挑战,但急性弛缓性麻痹(AFP)监测的关键指标已达到推荐目标。然而,近期疫苗衍生脊髓灰质炎病毒暴发引发了对潜在缺口的担忧。我们分析了非脊髓灰质炎肠道病毒(NPEV)和Sabin脊髓灰质炎病毒的分离率,以探究比较这些比率是否能反映来自不可进入地区粪便标本的完整性以及检测循环脊髓灰质炎病毒的可能性。方法 采用logistic回归分析2014—2017年发病的1348例基于病例的AFP监测数据。评估了年龄、可及性和Sabin样病毒分离等变量对NPEV检测的调整后影响。结果 来自不可进入地区的AFP病例报告的NPEV检出率高于可进入地区(23% vs 15%;P = .01)。在多变量模型中,不可进入性和Sabin样病毒检测与NPEV检测呈正相关(调整后比值比[AOR],1.75;95%置信区间[CI],1.14–2.65;和AOR,1.79;95% CI,1.07–2.90),而年龄≥5岁呈负相关(AOR,0.42;95% CI,0.20–0.85)。结论 不可进入地区的NPEV和Sabin脊髓灰质炎病毒检出率提示,索马里用于AFP监测的粪便标本完整性可产生有用的AFP数据,但监测系统质量仍存在不确定性。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
在索马里,不可进入地区的AFP监测中,NPEV和Sabin脊髓灰质炎病毒的检出率是否能反映粪便标本的完整性,以及影响NPEV检出的因素。
核心机制
不可进入地区由于免疫接种受限,儿童OPV接种率低,可能导致NPEV感染和排出增加,但该机制作者归因于可能的卫生条件差和拥挤,而非直接验证。
主要证据
基于1348例AFP病例的监测数据分析,不可进入地区NPEV检出率23%高于可进入地区的15%(P = .01),多变量模型中不可进入性与NPEV检出正相关(AOR 1.75)。
研究意义
研究结果提示索马里不可进入地区的AFP监测数据在解释脊髓灰质炎病毒传播方面具有一定可信度,但监测系统质量仍存不确定性,需继续支持VPV网络。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

数据收集与纳入

从WHO东地中海区域办公室获取索马里2014-2017年AFP监测数据,并筛选符合纳入标准的病例。

分析来自所有报告来源的AFP监测记录,纳入2014年1月1日至2017年12月31日期间发病、有有效NPEV检测结果且未同时分离出WPV或VDPV的AFP病例,共1348例。

2

变量定义与分类

定义研究变量,包括可及性、年龄、OPV接种状态等,并确定用于分析的暴露和结局变量。

根据项目定义对可及性进行分类(可进入、部分可进入、不可进入),并定义年龄、性别、报告来源、生活方式、OPV接种状态、运输时间、Sabin病毒检测和NPEV检测等变量。

3

描述性分析

描述不同可及性类别下研究变量的分布,并初步比较可进入和不可进入地区的病例特征。

按可及性类型分层的描述性分析,使用Wilcoxon符号秩检验和卡方检验比较可进入与不可进入地区的差异。

4

回归分析

评估可及性与NPEV检测之间的独立关联,并识别其他预测因素。

使用logistic回归进行单变量和多变量分析。多变量模型采用混合方法,保留主要变量、单变量分析中显著相关的变量和多变量分析中确定的混杂因素。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
R StudioRStudio, Inc.1.1.447

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
数据收集
病例纳入标准:发病日期范围、NPEV检测结果有效性、排除WPV或VDPV阳性病例
阅读提示:Methods: Dataset, Inclusion Criteria, and Sample Size
变量定义
可及性分类标准(基于2017年项目分类)、年龄分组、OPV接种状态定义
阅读提示:Methods: Variable Inclusion, Manipulation, and Definitions
统计分析
使用的logistic回归模型变量选择方法、多变量模型构建策略
阅读提示:Methods: Data Analysis
实验室检测
实验室为肯尼亚医学研究所(KEMRI),检测方法未详细说明
阅读提示:Methods: Dataset, Inclusion Criteria, and Sample Size