扩展功能
文章信息
- 沈隽卿, 张月娟, 袁国平, 金凯, 茅俭英, 彭真真, 朱倩如, 杨兴堂, 许学斌
- SHEN Jun-qing, ZHANG Yue-juan, YUAN Guo-ping, JIN Kai, MAO Jian-ying, PENG Zhen-zhen, ZHU Qian-ru, YANG Xing-tang, XU Xue-bin
- 2010-2014年上海市宝山区沙门菌监测分析及能力评估
- Performance of Salmonella surveillance in Baoshan district, Shanghai
- 疾病监测, 2016, 31(7): 546-553
- Disease Surveillance, 2016, 31(7): 546-553
- 10.3784/j.issn.1003-9961.2016.07.005
-
文章历史
- 收稿日期:2015-08-28
2. 上海市疾病预防控制中心, 上海 200366
2. Shanghai Municipal Center for Disease Control and Prevention, Shanghai 200366, China
美国疾病预防控制中心(CDC)对非伤寒沙门菌的最新定义:严重耐药威胁且位居疾病负担之首的食源性病原菌[1-2]。始建于1995年的美国国家食源性主动监测网络在运行10年后(2004年)开始对全球食源性监测产生重要影响,世界各国纷纷加入以实验室为基础的食源性病原菌主动监测的行列[3]。上海市早在2006年就加入全球沙门菌监测项目(WHO-GSS)[4]。宝山区作为2010年上海市新增的感染性食源性的监测网点,经实验室和流行病学团队现场评估、监测方案设计和选点、关键技术培训等系统流程直至实施已历经6年。为了解宝山区沙门菌病的流行现状及菌型特征,探索基层公共卫生参与国家传染病和食源性监测及网络实验室的新模式,笔者依据宝山区20102014年的沙门菌监测数据进行能力评估。
1 材料与方法 1.1 培养基和试剂胰大豆胨蛋白胨肉汤(TSB)、木糖赖氨酸脱氧胆酸盐琼脂平板(XLD)、沙门菌显色琼脂平板(CAS)、水解酪蛋白琼脂平板(MH)、肠道综合发酵双管糖(上海科玛嘉微生物技术有限公司);生化编码鉴定条API-ID32E(生物梅里埃,法国);沙门菌分型诊断血清60种(SSI,丹麦)。以上培养基和试剂均置于10 ℃以下保存并在有效期内使用。
1.2 宝山区基于实验室的沙门菌监测参照“上海市感染性食源性病原的监测方案,2010年版”实施。在辖区内遴选2家具有检测能力的临床医院:宝山区吴淞医院和仁和医院。自2010年7月起,在每月第1天开始采集符合感染性腹泻病例定义的粪便标本(或肛拭子)50份(医院实验室和CDC实验室各送检1份),每年约600份;在辖区内遴选农贸市场和大型超市每月定点采集20~30份食源和10~20份环境样品,品种包括各种生鲜或冷冻的禽畜肉制品、环境水样、养殖禽畜粪便、豆制品、蔬菜、乳制品、凉拌菜等。所有标本均在24~48 h送达实验室,依流程完成样品前处理、选择性增菌、典型菌落初筛和甄别以及血清学分型鉴定等流程,分离沙门菌均需送网络参比实验室复核血清型[5]。
1.3 监测能力和实验室能力评估基于方案中对流行病学监测和实验室检测的设计要求,评估监测人群是否满足区域代表性和实验室检测腹泻人群沙门菌的阳性率是否在可信区间及两者间互为影响的关系;基于方案中对食源或环境背景监测和实验室检测食源沙门菌的要求,评估区域内食源沙门菌的生态背景特征和实验室能力;基于临床、公共卫生实验室对菌株分离、鉴定和血清分型能力和暴发案例调查评估流行病和实验室能力以及两者合作协查暴发案例的能力[6-7]。
2 结果 2.1 人源和非人源样品构成2010年7月至2014年12月,哨点医院共采集3898份腹泻标本,病例年龄构成:1~28 d 3例、<1岁3例、1~4岁53例、5~12岁37例(<12岁共96例)、13~20岁205例、21~30岁836例、31~40岁609例、41~50岁479例、51~60岁790例(21~60岁共2714例)、>60岁810例,信息不详73例。男性1942例、女性1893例、信息不详63例,见表 1、图 1。监测期间定期采集食源和环境样品共1885份,样品构成:猪肉168份、禽粪720份、鸡肉116份、海水220份、河水189份、鸭肉28份、牛肉17份、畜粪180份、乳制品67份、蔬菜78份、其他样品102份(包括豆制品、蔬菜、乳制品、凉拌菜等),见图 2。
2.2 宝山区沙门菌的耐药特征测试20102014年分离的269株人源沙门菌和61株非人源沙门菌的抗生素耐药性。质控菌株为大肠埃希菌(ATCC25922)。药敏分配器和16种抗生素纸片:四环素(TE)、头孢替呋(EFT)、阿莫西林/克拉维酸(AMC)、氨苄西林(AMP)、复方新诺明(SXT)、环丙沙星(CIP)、氯霉素(C)、氧氟沙星(OFX)、萘啶酸(NA)、头孢吡肟(FEP)、头孢噻肟(CTX)、甲氧苄氨嘧啶(W)、头孢噻甲羧肟(CAZ)、庆大霉素(CN)、磺胺异噁唑(S3)、链霉素(S)(Oxoid,英国);依据CLSI(2014年版)技术标准判断敏感(S)、中介(I)、耐药(R);头孢替呋判断标准由厂家提供(20≤21~22≥23)。多重耐药(MDR)型:T-N-S:四环素-萘啶酸-复方新诺明耐药型;ACSSuT:氨苄西林-氯霉素-链霉素-磺胺异噁唑-四环素耐药型;ACSSuTAuCx:ACSSuT+奥格门丁+头孢噻肟的耐药型[8]。
2.3 宝山区沙门菌的流行特征3898份腹泻标本共分离沙门菌269株,总阳性率6.9%;2011年阳性率最高为9.8%,2014年最低为4.3%;除2012年、2014年外阳性高峰均在8、9月间,峰值为15%~25%。监测的人群以21~60岁和60岁以上病例为主,阳性率较稳定,年度分离率6.2%(168/2714)和6.8%(55/810)与总阳性率(6.9%)相近,由于12岁以下的低年龄组病例(96份)低于统计最小样本数,其阳性率40.6%(39/96)可能存在统计偏倚。监测病例的男女性别比为1.3∶1,男性病例阳性率7.8%(151/1942)略高于女性6.2%(118/1893)(表 1、图 1)。非人源沙门菌:1885份食源和环境样品共分离沙门菌99株,总阳性率5.3%。最低年度阳性率为2010年2.9%,最高为2014年9.7%;样品中以猪肉的带菌率最高(26.2%),其次为鸭肉(14.3%)和鸡肉(7.8%),河水、海水、禽粪、牛肉等分别为2.1%~5.9%,其他102份包括豆制品、蔬菜、乳制品、凉拌菜等样品未检出;各类食源样品的年度阳性分离沙门菌菌株数较稳定,仅在2014年的禽粪中曾现异常性增高现象,见图 2、图 3。
2.4 宝山区沙门菌的菌型特征上海市宝山区分离的269例沙门菌腹泻病例(株)经网络参比实验室复核确认,其沙门菌血清型的前5位优势型依次为鼠伤寒(97例)、肠炎(84例)、婴儿(9例)、汤卜逊(8例)、山夫登堡(6例);除鼠伤寒基本保持年度第1位血清型以外,其他各年度的优势型均无固定排序,表现为分散和多样特征。各年度前5位沙门菌血清型还有婴儿、汤卜逊、山夫登堡、伦敦、阿贡纳、德比、姆班达卡、乙型副伤寒沙门菌等,见表 2。上海市宝山区分离的99株食源和环境沙门菌经复核确认,前5位优势型依次为鼠伤寒(28株)、德比(25株)、阿尔巴尼亚(8株)、肠炎(7株)、阿贡纳(5株),各年度优势型较人源更具分散和多样的特征。年度前5位血清型还有阿伯丁、田纳西、印第安纳、布伦登卢普、科瓦利斯、吉韦、纽波特沙门菌(表 2)。
2.5 宝山区沙门菌的耐药特征269株人源沙门菌中耐药率达到或超过30%的抗生素为NA(50.0%~68.2%)、S3(32.6%~76.2%)、S(28.1%~76.2%)、AMP(30.4%~62.0%)、TE(21.6%~37.2%);耐药率在10%~30%之间的抗生素为SXT、W、C、CN、CIP;剩余抗生素的耐药率均<10%;MDR特征:T-N-S和ACSSuT的年度频率为5.4%~14.7%,ACSSuTAuCx仅在2011年发现3株。61株食源和环境沙门菌的耐药率接近或超过30%的抗生素为NA、S3、S、AMP、TE、SXT、W、C;年度耐药率呈逐降趋势或较低耐药水平的抗生素为CN、CIP、AMC、CTX、CAZ;MDR特征:T-N-S的年度频率为2.3%~36.4%,ACSSuT的年度频率为10.0%~41.2%,未见ACSSuTAuCx,见表 3。
2.6 宝山区沙门菌监测体系的流行病学和实验室能力评估监测方案有流行病学设计,在挑选监测点医院时考虑同步提高临床实验室的能力需求。但监测医院缺少儿童腹泻病例,无法覆盖整个人群而存在局限性,且宝山区仁和医院于2012年4月主动退出网络监测机制,直接导致病例数显著下降使20122014年的年度阳性峰值产生偏移(图 1)。其次,方案设计对食源样品的种类较少,数量差异大(尤其是鸭肉和牛肉过少),易降低环境背景的生态学评价的代表性(图 2)。低年龄组(<12岁)病例数虽少,但阳性率高(40.6%),流行病学人员应主动进行个案排查和防控幼托机构和学校的潜在暴发(表 1、图 1);实验室能依据方案中的技术关键点分段实施,年度阳性分离曲线稳定。用于鉴定血清型的进口60种沙门菌血清配置于2014年,没有及时完成2014年菌株的耐药性分析,说明在菌株表型精准鉴定和分析能力上存在(投入)不足的问题。其次,实验室对季节性发病高峰(阳性峰值)缺乏流行病学预警分析的意识,如低年龄组病例中可能的聚集性病例。菌株鉴定有乙型副伤寒病例时,需及时与流行病学专业人员沟通,进行传染病个案传报和调查(表 2)。实验室已建立的分子分型能力尚缺乏发现和溯源暴发的成功案例。
3 讨论主动监测比被动监测需投入更多人力和物力,需做好靶标菌和方案的科学论证、跨部门技术人员的培训与考核、阶段评估等质量控制措施。美国学者通过数学模型预测在食源性疾病主动监测网络(FoodNet)建立之前,其沙门菌和弯曲菌病例的漏报达38.6倍和34倍[9]。美国CDC的“复染项目”(emerging infections program,EPI)在防治EHEC O157∶H7和其他肠道感染性疾病中具有关键意义:促进和加强不同专业、不同部门技术人员之间的沟通和培训[10]。如今,美国在各类食源性病原全人群的发病率和归因研究、疾病负担、质量生命年等卫生经济学指标持续改善,终成WHO在全球倡导的监测模式[11]。
美国CDC推荐将沙门菌列为首要监测的食源性病原,其也成为上海市于2006年加入WHO-GSS项目的首个病原菌,通过优化的方法整合公共卫生和临床实验室之间的合作推动基于人群的食源性监测和网络实验室建立,并逐步掌握区域沙门菌流行规律和特征[7]。宝山区从20102014年实施的沙门菌监测获得6.9%的总阳性率,虽高于上海市的监测水平[12],但从流行趋势分析,其2010年和2011年两年间的流行曲线呈正态分布,有典型流行季节(810月)分布特征,显著优于其后3年的监测数据(图 1)。本次监测病例的年龄分组显示:成年人和老年人作为优势的腹泻病例群体显著多于婴幼儿病例,所以本次12岁以下儿童腹泻病例40.6%的高分离率相对2010年上海市流行季节报告的儿童腹泻病例15%的分离率明显存在偏倚性,也充分说明在社区医院监测儿童腹泻病例尚存困难[13]。局部阳性峰值也有存在暴发的可能,对沙门菌流行曲线进行早期精准分析结合分子分型可提高发现暴发的能力[14]。由于现阶段国内机构在开展沙门菌监测时的人群和地区分布、经济水平和材料方法多有差异,故无法将菌株分离率作为评价整个监测系统好坏的唯一性指标[15]。在本次监测基础上总结经验对不同医疗监测点提出评价标准以供参考:对大型综合性医院因腹泻病例数少可同时作为肠道内和外感染病例的监测点(其沙门菌阳性率应不低于5%);社区综合医院腹泻病例数多以成年人和老年人为主(其沙门菌阳性率5%~10%);儿童专科医院以低年龄组病例为主(其沙门菌阳性率10%~20%);对未达到阳性率的监测点医院应加强培训和技术支持[7, 13-15]。
近年来,美国沙门菌多个州的分散暴发成为CDC在全球分享的经典案例[16]。其国内发达的食品加工和官企自律的背景使暴发源头追溯成为可能。而伴随全球经济一体化带来的新型食物消费,将给美国带来更多沙门菌新种型输入的风险[17]。本次监测的人源和非人源沙门菌的菌型低于全市的菌型数量,说明沙门菌血清型的区域分布具有共性和个性[18]。笔者基于人源沙门菌优势型判断:除鼠伤寒和肠炎沙门菌外,婴儿、汤卜逊和山夫登堡沙门菌在本地区有分散暴发的潜在风险[14]。食源性监测的种类需建立在区域食品消费结构和膳食营养调查等大数据基础上,本次的监测在食品环境采样的种类和数量上都有缺陷,但部分数据对本地食品和环境背景有参考价值。源于鸡粪中的鼠伤寒和阿尔巴尼的克隆带菌会影响监测曲线的异常升高(图 3),建议今后在农贸和鸡舍采集鸡粪标本应多点采样,数量不宜超过5个,以避免数据偏移[19]。
食源性病原菌耐药监测网络(NARMS)和分子分型电子网络(PulseNet)是保障FoodNet的技术支撑[20]。MDR的海德堡、肯塔基、纽波特等沙门菌的发现导致疾病负担倍增,鼠伤寒诱导型耐药克隆可长期在人体内排菌存在公共安全新挑战[21-22]。国内沙门菌的耐药分布不一,儿童沙门菌耐药高于成年人的现象可能和过度临床治疗有关[23]。本次的耐药数据显示,本地区的沙门菌耐药率相对稳定,MDR处于较低水平,部分原因和婴幼儿菌株较少有关;食源环境中沙门菌的耐药率略高于人源,总体耐药率呈下降趋势,可能与农业部门管控抗生素使用种类使养殖动物抗生素暴露减少等因素有关。
食源性疾病监测成效体现国家公共卫生的软、硬实力,现阶段我国在暴发疫情、疾病负担、卫生经济学(预期质量生命年)等诸多领域仍需学习发达国家的经验模式[24]。但技术升级(二代测序和全基因组测序技术)将为网络化监测的跨越式发展带来新动力,使引进、消化、吸收和创新机制成为可能[25]。地区级公共卫生机构应充分做好各自参与监测项目的回顾性评估,在值得投资的项目上加大投入,积极整合临床资源参与国家网络化监测技术升级的现场应用和评估,探索食源性疾病监测和传染病防控的新模式[26]。
[1] | CDC. Antibiotic resistance threats in the United States,2013[R]. Atlanta, Georgia: U.S. Department of Health and Human Services, CDC,2013:71-74. |
[2] | Wang CM, Wang S. Discover your side closest enemy-Salmonella[J/OL]. (2015-03-06).China Food Safety Magazine, http://www.cnfoodsafety.com/2015/0306/9351.html. (in Chinese) 王崇民,王时.揭秘身边最"亲密"的敌人——沙门菌[J/OL]. (2015-03-06).食品安全导刊, http://www.cnfoodsafety.com/2015/0306/9351.html. |
[3] | Henao OL, Jones TF, Vugia DJ, et al. Foodborne diseases active surveillance Network-2 Decades of Achievements, 1996-2015[J]. Emerg Infect Dis, 2015, 21 (9) : 1529–1536 . |
[4] | Ran L, Gu BK, Chen M, et al. WHO Global Salm-Surv:Salmonella surveillance in China 2006-2007[R].[S.l.]:ICEID,2008:244. |
[5] | Zhao B, Yang LP, Huang Z, et al. Study and control of bacteriological key points in Salmonella surveillance[J]. Disease Surveillance, 2010, 25 (6) : 451–455 .(in Chinese) 赵冰, 杨兰萍, 黄峥, 等. 沙门菌监测基于细菌学技术的关键点研究和控制[J]. 疾病监测,2010,25 (6) :451–455. |
[6] | Ke BX, Ran L, Wu SY, et al. Survey of physician diagnostic and treatment practices for patients with acute diarrhea in Guangdong province, China[J]. Foodborne Pathog Dis, 2012, 9 (1) : 47–53 . |
[7] | Zhou YM, Chen XH, Xu W, et al. The fundamental role of stage control technology on the detectability for Salmonella networking laboratory[J]. Chinese Journal of Epidemiology, 2013, 34 (11) : 1105–1110 .(in Chinese) 周永明, 陈秀华, 徐闻, 等. 沙门菌常规检测方法分段控制技术在网络实验室构建中基础作用的评估[J]. 中华流行病学杂志,2013,34 (11) :1105–1110. |
[8] | Ni JL, Xu H, Hu XM, et al. Laboratory network based surveillance of drug resistance of Salmonella enteritidis in Shanghai,2006-2012[J]. Disesse Surveilance, 2013, 28 (5) : 369–375 .(in Chinese) 倪佳琳, 许浩, 胡雪明, 等. 2006-2012年上海市基于网络实验室的肠炎沙门菌耐药监测[J]. 疾病监测,2013,28 (5) :369–375. |
[9] | Samuel MC, Vugia DJ, Shallow S, et al. Epidemiology of sporadic Campylobacter infection in the United States and declining trend in incidence, FoodNet 1996-1999[J]. Clin Infect Dis, 2004, 38 (S3) : S165–S174 . |
[10] | Hadler JL, Danila RN, Cieslak PR, et al. Emerging infections program-state health department perspective[J]. Emerg Infect Dis, 2015, 21 (9) : 1510–1515 . |
[11] | Varma JK, Wu SY, Feng ZJ. Detecting and controlling foodborne infections in humans:lessons for China from the United States experience[J]. Glob Public Health, 2012, 7 (7) : 766–778 . |
[12] | Gu BK, Yuan ZA, Jin HM, et al. Epidemiological surveillance of Salmonellosis in Shanghai[J]. Journal of Environmental and Occupational Medicine, 2008, 25 (3) : 245–247 .(in Chinese) 顾宝柯, 袁政安, 金汇明, 等. 上海市沙门菌病流行特征分析[J]. 环境与职业医学,2008,25 (3) :245–247. |
[13] | Wang AM, He LY, Xu XB, et al. Analysis of Salmonella infection in children with acute bacterial diarrhea in 2010 summer[J]. Journal of Microbes and Infections, 2011, 6 (3) : 139–143 .(in Chinese) 王爱敏, 何磊燕, 许学斌, 等. 2010年夏季急性细菌感染性腹泻患儿沙门菌感染分析[J]. 微生物与感染,2011,6 (3) :139–143. |
[14] | Xu XB, Gu BK, Jin HM, et al. Epidemiological characteristics of serotypes of Salmonella isolated in Shanghai[J]. Chinese Journal of Zoonoses, 2009, 25 (2) : 156–158 .(in Chinese) 许学斌, 顾宝柯, 金汇明, 等. 上海市沙门菌血清型流行特征[J]. 中国人兽共患病学报,2009,25 (2) :156–158. |
[15] | Ran L, Wu SY, Gao YJ, et al. Laboratory-based surveillance of nontyphoidal Salmonella infections in China[J]. Foodborne Pathog Dis, 2011, 8 (8) : 921–927 . |
[16] | Behravesh BC, Mody RK, Jungk J, et al. 2008 Outbreak of Salmonella Saintpaul infections associated with raw produce[J]. N Engl J Med, 2011, 364 (10) : 918–927 . |
[17] | Hoelzer K, Switt AIM, Wiedmann M. Animal contact as a source of human non-typhoidal salmonellosis[J]. Vet Res, 2011 : 34. |
[18] | Huang Z, Liu Y, Tang H, et al. Study on molecular epidemiology and antibiotic resistance of Salmonella Wandsworth[J]. Disease Surveillance, 2015, 30 (1) : 50–57 .(in Chinese) 黄峥, 刘芸, 汤泓, 等. 旺兹沃思沙门菌耐药分子流行病学特征研究[J]. 疾病监测,2015,30 (1) :50–57. |
[19] | Cui KQ, Li JY, Feng SX, et al. Isolation, identification and PFGE analysis of Salmonella isolated from cold fresh chicken production chain[J]. China Animal Husbandry & Veterinary Medicine, 2014, 41 (12) : 62–66 .(in Chinese) 崔可琦, 李静怡, 冯赛祥, 等. 冰鲜鸡生产链中沙门菌的分离鉴定及PFGE分型研究[J]. 中国畜牧兽医,2014,41 (12) :62–66. |
[20] | Center for Disease Control and Prevention. The National antimicrobial resistance monitoring system for enteric bacteria(NARMS)[EB/OL]. (2015-08-19). http://www.cdc.gov/narms/. |
[21] | Le Hello S, Harrois D, Bouchrif B, et al. Highly drug-resistant Salmonella enterica serotype Kentucky ST198-X1:a microbiological study[J]. Lancet Infect Dis, 2013, 13 (8) : 672–679 . |
[22] | Gopinath S, Lichtman JS, Bouley DM, et al. Role of disease-associated tolerance in infectious superspreaders[J]. PNAS, 2014, 111 (44) : 15780–15785 . |
[23] | Pan F, Kong J, Wang C, et al. Analysis of distribution and antimicrobial resistance of enteric pathogens among children[J]. Chinese Journal of Infection and Chemotherapy, 2014, 14 (3) : 235–239 .(in Chinese) 潘芬, 孔菁, 王春, 等. 儿童肠道感染病原菌分布及耐药性分析[J]. 中国感染与化疗,2014,14 (3) :235–239. |
[24] | Batz M, Hoffmann S, Morris Jr JG. Disease-outcome trees, EQ-5D scores, and estimated annual losses of quality-adjusted life years (QALYs) for 14 foodborne pathogens in the United States[J]. Foodborne Pathog Dis, 2014, 11 (5) : 395–402 . |
[25] | Mather AE, Reid SWJ, Maskell DJ, et al. Distinguishable epidemics of multidrug-resistant Salmonella Typhimurium DT104 in different hosts[J]. Science, 2013, 341 (6153) : 1514–1517 . |
[26] | Pinner RW, Lynfield R, Hadler JL, et al. Cultivation of an adaptive domestic network for surveillance and evaluation of emerging infections[J]. Emerg Infect Dis, 2015, 21 (9) : 1499–1509 . |