Geografische analyse voor detectie van “emerging” infectieziekten

1. Geografische analyse voor detectie van “emerging” infectieziekten Kees van den Wijngaard, Liselotte van Asten, Gerda Doornbos, Wilfrid van Pelt, Hans van Vliet, Marion Koopmans.

2. Ratio geografie en infectieziekten surveillance (uitbraak detectie) Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

3. Ratio geografie en infectieziekten surveillance (uitbraak detectie) Geografische analyse maakt infectieziektensurveillance sensitiever: Kleine “geconcentreerde” uitbraken worden sneller ontdekt. Vooral als “nationale ruis” groot is! Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

4. “Emerging” infectieziekten • Dreiging van influenza pandemie • West Nijl virus 1999 • Bioterrorism: anthrax 2001 • SARS 2003 • Chikungunya virus 2007 • ………. Wat volgt, wanneer en waar? Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

5. 1999: Emergence of West Nile virus in North America Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

6. Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

7. RIVM-Project “emerging disease preparedness” • Voorbereiding op nieuw opduikende infectieziekten • Deelproject • Kunnen uitbraken sneller worden gesignaleerd? • Nieuwe benadering: Syndroomsurveillance • via klachten/symptomen(i.p.v. specifieke diagnoses/pathogenen) • Bv respiratoir syndroom: hoesten, pneumonie, bronchitis, ademnood …etc • Nadeel: komt veel voor, veel ruis in de data! • Voordeel: Onafhankelijk van klinische/lab.diagnose! Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

8. Phases of Disease vs Surveillance data Syndromic data Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

9. Phases of Disease vs Surveillance data Syndromic data Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

10. Phases of Disease vs Surveillance data Syndromic data Traditional surveillance Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

11. Onderzoeksvraag • Kunnen uitbraken inderdaad (sneller) worden gedetecteerd met syndroomsurveillance? • O.a. retrospectief testen via historische uitbraken • Data van ziekenhuisopnames (1999-2007) • Syndroom: Lage luchtweg infecties (oa pneumonie/bronchitis) Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

12. Testcase: Legionella 1999 • Grote uitbraak • ernstige respiratoire infectie • 188 legionella cases • 167 ZH-opnames, 21 overleden Point-source: Whirl pool (on flower show) • Detectie via alerte clinici en lab.diagnose • Zo’n uitbraak kan gemist worden als diagnose faalt • Bv bij nieuw/onbekend pathogeen (i.p.v. legionella) Zou detectie via syndroomsurveillance werken? Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

13. Jaarlijkse winterpiek LWI-syndroom Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

14. Jaarlijkse winterpiek LWI-syndroom Uitbraak patienten vallen weg in de massa/ruis van syndroom patienten, uitbraak wordt dus niet opgemerkt in syndroomdata. Dus………… Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

15. Surveillance in tijd en ruimte nodig! • Uitbraak cases zijn geconcentreerd in de tijd en in een bepaalde regio • Daarom uitbraak detectie via space-time cluster detectie: • Detectie van “Windows” in tijd en ruimte met meer syndroomcases dan verwacht Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

16. Probleem: windows in tijd en ruimte staan niet vast, analyse per vaste gemeente/regio volstaat niet • Clusterdetectie op basis van observed vs expected # cases in alle mogelijke cirkels A • Ook tijd varieert, dus cirkel is eigenlijk “cilinder” • Gebruik Satscan software: space time permutation scan statistic (www.satscan.org) (Expected # cases in A on day x) = ((total # cases in A) / (total #cases)) * (total #cases on day x) A A for 2 days A for 1 day Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

17. Testcase: Legionella 1999 Simulatie van space-time syndroomsurveillance • syndroomsurveillance van lage luchtweginfecties • Databron: Ziekenhuisopnames per postcode • Dagelijkse scan voor space-time clusters (retrospectief)  Detectie legionella uitbraak? Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

18. Legionella 1999 als test-case • 1ste clusterdetectie van legionella uitbraak op 9 maart 1999 • Dagelijks signaal uit dit gebied gedurende de uitbraak • Echter: ook andere signalen die niet aan de uitbraak gerelateerd zijn………… • Meestal kortstondig • Meestal over veel grotere regio’s • Mogelijk regionale influenza verheffingen? • Verder onderzoek naar totaal aantal clustersignalen en balans tussen true/false clusters Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

19. Andere testcase: legionella uitbraak 2006 • July 6th -28th 2006 • 30 legionella cases in Amsterdam • 2 sterfgevallen • Bron: Koeltoren • Werkt detectie ook in zo’n dichtbevolkt gebied? Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

20. Legionella 2006 als testcase (1) • 1ste clusterdetectie van legionella uitbraak op 10 juli 2006 • Centrum van Amsterdam • Werkt dus ook in dichtbevolkt gebied! Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

21. Legionella 2006 als testcase (2) • Opeenvolgende clusterdetectie van legionella uitbraak t/m 19 juli 2006 • Gebied wordt groter tijdens uitbraak Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

22. Vraagstukken syndroomsurveillance in ruimte en tijd • Detectie werkt (voor testcases)! • Echter: • Balans “echte” en “valse” clusters? • Work-load/cost-benefit? • # clustersignalen over 1999-2007? • # opeenvolgende clusters? • Oorzaken clusters? (naast bekende uitbraken) • O.a. kenmerken/diagnoses van clusterpatienten • Extra testcase: Q-koorts uitbraak 2007 • Ander type uitbraak, veel groter gebied en langere tijd • Naast 1e detectie: ondersteuning lopende uitbraken? • gerichte case-finding/risico regio’s • Haalbaarheid prospectieve data collectie? • Toekomstige regelgeving en infrastructuur/logistiek medische databases • O.a. Electronisch patientendossier? Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

23. Beschikbaarheid van Satscan scan-statistic • www.satscan.org Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

24. Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

25. Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

26. Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

27. Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

28. Beschikbaarheid van Satscan scan-statistic • www.satscan.org • Open source • Scan-statistics voor clusters in ruimte en/of tijd • Geen visualisatie component SAS-macro’s om Satscan aan te roepen inclusief visualisatie van clusters (Abrams AM, Kleinman KP. A SaTScan macro accessory for cartography (SMAC) package implemented with SAS software. Int J Health Geogr 2007;6:6. (Programmatuur aangepast voor Nederland door RIVM) ) Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

29. Samenvatting • Geografische analyse onmisbaar voor detectie van regionale ziekte verheffingen • Dit geldt zeker voor syndroomsurveillance data • Door de vele ruis in niet-specifieke ziekte data vallen regionale clusters weg in de landelijke totalen • De Satscan Space-time scan statistic is een methode om dat te doen Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI

30. Aan dit onderzoek werkten mee: -Liselotte van Asten -Wilfrid van Pelt -Gerda Doornbos -Hans van Vliet -Marion Koopmans -Stichting Prismant (beschikbaar stellen van ZH-data (LMR)) • Contact: Kees.van.den.Wijngaard@rivm.nl Geografie voor detectie van emerging infections, Kees van den Wijngaard RIVM-Cib-EPI