"Δελτίο καιρού" για ιούς: Πώς συνδέονται με τις εποχές του χρόνου [ελληνική μελέτη]

Η γρίπη Α και ο αναπνευστικός συγκυτιακός ιός RSV που βρίσκονται σε έξαρση αυτή την περίοδο, "ευδοκιμούν" σε συνθήκες ψύχους. Άλλοι ιοί, αντίθετα, όπως ο ανθρώπινος μεταπνευμονοϊός hMPV ευνοούνται από υψηλές θερμοκρασίες και μεγαλύτερη διάρκεια ημέρας. Μια τρίτη κατηγορία παθογόνων όπως η παραγρίπη (Parainfluenza) δεν δείχνουν προτίμηση σε συγκεκριμένη εποχή του χρόνου.

Κάθε παθογόνο έχει το δικό του "προφίλ" αναφορικά με τις συνθήκες θερμοκρασίας, υγρασίας και άλλων περιβαλλοντικών παραμέτρων στις οποίες επιβιώνει και μεταδίδεται. Σε μια πρωτότυπη μελέτη, ο ιατρός βιοπαθολόγος, εξειδικευόμενος στην Κλινική Μικροβιολογία στο ΠΓΝΘ ΑΧΕΠΑ, Ζαφείρης Τσινάρης (φωτογραφία),  ανέλυσε ρινοφαρυγγικά δείγματα ασθενών κατά τη διάρκεια ενός ολόκληρου έτους και συνέδεσε κάθε διάγνωση με την ημερομηνία της λοίμωξης. Αξιοποιώντας δεδομένα μετεωρολογικών συνθηκών που επικρατούσαν τις συγκεκριμένες ημέρες, σε συνδυασμό με τεχνικές μηχανικής μάθησης, δημιούργησε ένα "Δελτίο Καιρού για Παθογόνα". Το μοντέλο που προτείνει θα μπορούσε να βελτιώσει την επιτήρηση των αναπνευστικών λοιμώξεων και τον βαθμό ετοιμότητας για τις περιόδους έξαρσής τους.

Ο κ. Τσινάρης μιλάει στο iatronet.gr για τα προκαταρκτικά ευρήματα της υπό δημοσίευση μελέτης, τα οποία παρουσίασε στο 39^ο Μετεκπαιδευτικό Σεμινάριο Ιατρικής Βιοπαθολογίας Βορείου Ελλάδος που πραγματοποιήθηκε πριν από λίγες μέρες στη Θεσσαλονίκη.

Εποχική διακύμανση

Η μελέτη διερευνά τη σχέση μεταξύ περιβαλλοντικών παραγόντων και αναπνευστικών λοιμώξεων, συνδυάζοντας μοριακή διαγνωστική με περιβαλλοντικά αλλά και δημογραφικά δεδομένα, καθώς και με τεχνικές μηχανικής μάθησης.

Στη διάρκεια ενός ολόκληρου κύκλου τεσσάρων εποχών (Δεκέμβριος 2023 - Νοέμβριος 2024), αναλύθηκαν περίπου 1.800 ρινοφαρυγγικά δείγματα ατόμων με υποψία αναπνευστικής λοίμωξης, που είτε είχαν προσέλθει στα ΤΕΠ του ΑΧΕΠΑ για εκτίμηση είτε νοσηλεύονταν στο νοσοκομείο. Η ανάλυση έγινε με το μοριακό διαγνωστικό τεστ Filmarray (πολυπλεκτική PCR, που μπορεί να κάνει ταυτόχρονη ανίχνευση ως και 22 παθογόνων). Μέρος των αντιδραστηρίων που χρησιμοποιήθηκαν στη μελέτη διατέθηκαν στο ΠΓΝΘ ΑΧΕΠΑ από τον ΕΟΔΥ στο πλαίσιο της εργαστηριακής επιτήρησης σοβαρών αναπνευστικών λοιμώξεων.

Η ανάλυση της θετικότητας έδειξε κατ' αρχήν σημαντική εποχική διακύμανση. Τον υψηλότερο δείκτη θετικότητας κατέγραψε ο χειμώνας (με περίπου 2 στα 3 δείγματα θετικά σε παθογόνα) με αυτόν να μειώνεται σταδιακά την άνοιξη, το καλοκαίρι και το φθινόπωρο.

Συχνότερο παθογόνο αναδείχτηκε ο ρινοϊός/εντεροϊός, ακολουθούμενος από τον αδενοϊό, τον SARS-CoV-2 και τον RSV, ενώ σε μικρότερη συχνότητα ανιχνεύτηκαν γρίπη Α και Β, άλλοι κορωνοϊοί και parainfluenza. Όπως διευκρίνισε ο μελετητής, η χαμηλή παρουσία γρίπης στο δείγμα οφείλεται στο ότι αυτή διαγιγνώσκεται με άλλη μέθοδο, όταν υπάρχει υποψία γρίπης.

Στη μεγάλη πλειοψηφία των δειγμάτων ανιχνεύτηκε ένας μόνο ιός, αλλά σε περίπου 1 στα 5 υπήρξαν συν-ανιχνεύσεις από 2 ως και 4 παθογόνων.

Σύνδεση με τις εποχές του χρόνου

Αφού συγκέντρωσε τα δεδομένα των αναλύσεων, ο μελετητής έλαβε υπόψη τους μέσους χρόνους επώασης κάθε παθογόνου για να προσδιορίσει σε κάθε κρούσμα την αντίστοιχη ημερομηνία της λοίμωξης.

Χρησιμοποίησε μετεωρολογικές καταγραφές από πολλούς διαφορετικούς σταθμούς για τις καιρικές συνθήκες που επικρατούσαν αυτές τις ημερομηνίες στη Θεσσαλονίκη και συγκεκριμένα θερμοκρασία, ατμοσφαιρική πίεση, σημεία δρόσου (μέσα από τα οποία υπολόγισε τη σχετική υγρασία), συνολική βροχόπτωση και επιφανειακή ηλιακή ακτινοβολία (για τη διάρκεια της ημέρας).

Με προηγμένες μεθόδους μηχανικής μάθησης έκανε τη σύνδεση του κάθε παθογόνου με τις παραπάνω συνθήκες. Τα δεδομένα που προέκυψαν συνθέτουν αυτό που σχηματικά ονόμασε "Δελτίο Καιρού Παθογόνων".

"Τα ευρήματα της προκαταρτικής ανάλυσης υποδεικνύουν ότι κάθε παθογόνο έχει το δικό του χαρακτηριστικό 'προφίλ'  σε σχέση με τις περιβαλλοντικές συνθήκες", εξηγεί στο iatronet.gr ο κ. Τσινάρης, προσθέτοντας: "Για παράδειγμα, ορισμένοι ιοί, όπως η γρίπη και ο RSV, έδειξαν σαφή προτίμηση σε χαμηλότερες θερμοκρασίες. Αντίθετα, άλλα παθογόνα, όπως ο μεταπνευμονοϊός, εμφανίζονται συχνότερα σε περιόδους με μεγαλύτερη διάρκεια ημέρας και αυξημένες θερμοκρασίες. Αξιοσημείωτο, είναι ότι ο ιός της παραγρίπης δεν έδειξε ιδιαίτερη εποχική προτίμηση".

Επίσης, η περαιτέρω ανάλυση, που έλαβε υπόψη και δημογραφικά στοιχεία, κατέδειξε ότι:

• Ο μεταπνευμονοϊός και η γρίπη Α δεν κάνουν ηλικιακές διακρίσεις.
• Για πέντε ιούς (αδενοϊός, μεταπνευμονοϊός, γρίπη Β, parainfluenza και SARS-CoV-2) δεν φαίνεται να διαφέρει η κυκλοφορία ενδονοσοκομειακά και στην κοινότητα.
• Κανένα παθογόνο δεν έδειξε σημάδια "προτίμησης" σε κάποιο φύλο.

Στους περιορισμούς της μελέτης σημειώνεται πως οι καιρικές συνθήκες δεν επηρεάζουν μόνο την επιβίωση και την κυκλοφορία των παθογόνων, αλλά και την ανοσολογική απόκριση του ξενιστή, καθώς και την συμπεριφορά του.

Στη μελέτη μετείχε το προσωπικό του Μικροβιολογικού Εργαστηρίου του ΠΓΝΘ ΑΧΕΠΑ, υπό την εποπτεία της διευθύντριάς του, καθηγήτριας Ιατρικής Βιοπαθολογίας-Μικροβιολογίας στο Τμήμα Ιατρικής του ΑΠΘ, κ. Λεμονιάς Σκούρα, και της αναπληρώτριας καθηγήτριας Ιατρικής Βιοπαθολογίας - Μικροβιολογίας, κ. Eυθυμίας Πρωτονοταρίου.

Πρόταση για προγνωστική επιτήρηση

"Η μελέτη καταλήγει προτείνοντας την ενσωμάτωση περιβαλλοντικών δεδομένων στα συστήματα επιτήρησης λοιμώξεων, καθώς φαίνεται πως αυτή μπορεί να βελτιώσει σημαντικά την ικανότητά μας να προβλέπουμε και να προετοιμαζόμαστε για εποχικές εξάρσεις αναπνευστικών λοιμώξεων", σημειώνει ο κ. Τσινάρης.

Συνοψίζοντας τα συμπεράσματα της μελέτης, αναφέρει πως:

• Τα μοντέλα που εκπαιδεύσαμε χρησιμοποιώντας μετεωρολογικά και δημογραφικά δεδομένα, καθώς και δεδομένα μοριακών δοκιμασιών, μπορούν να πετύχουν εντυπωσιακή προγνωστική ακρίβεια για αναπνευστικές λοιμώξεις, αναδεικνύοντας την αξία ενσωμάτωσης μετεωρολογικών δεδομένων στα συστήματα επιτήρησης.
• Κάθε παθογόνο έχει το δικό του χαρακτηριστικό "προφίλ καιρικών συνθηκών", εξηγώντας τα εποχικά πρότυπα εμφάνισής του.
• Ακόμα και απλά μοντέλα με δύο ή τρεις επιλεγμένες βάσει σημαντικότητας μεταβλητές μπορούν να προσφέρουν αξιόπιστη προγνωστική ικανότητα, υποδεικνύοντας δυνατότητες πρακτικής εφαρμογής.
• Οι καιρικές συνθήκες επηρεάζουν την επιβίωση των παθογόνων, τη μετάδοση, την ανοσολογική απάντηση και τη συμπεριφορά του ξενιστή, την οποία όμως για να ελέγξουμε έπρεπε να έχουμε περισσότερα δεδομένα για τους ασθενείς.
• Μετάβαση από την αντιδραστική στην προγνωστική επιτήρηση, μέσω συνδυασμού μοριακής διαγνωστικής, περιβαλλοντικών δεδομένων και μηχανικής μάθησης.