epidemiologyЭпидемиология и ВакцинопрофилактикаEpidemiology and Vaccinal Prevention2073-30462619-0494«Numicom» LLC10.31631/2073-3046-2025-24-1-59-67epidemiology-2169Research ArticleПРАКТИЧЕСКИЕ АСПЕКТЫ ЭПИДЕМИОЛОГИИ И ВАКЦИНОПРОФИЛАКТИКИPRACTICAL ASPECTS OF EPIDEMIOLOGY AND VACCINE PREVENTIONМодельная оценка эффективности своевременной изоляции пациентов с признаками респираторной инфекции в детском стационареEffectiveness of Timely Isolation of Patients with Respiratory Infection in a Children's Hospital: a Simulation Studyhttps://orcid.org/0000-0002-3629-4712СаперкинН. В.SaperkinN. V.

Николай Валентинович Саперкин – к. м. н., доцент кафедры эпидемиологии, микробиологии и доказательной медицины

г. Нижний Новгород

+7 (903) 847-45-89

Nikolai V. Saperkin – Cand. Sci. (Med.), associate professor

Nizhny Novgorod

+7 (903) 847-45-89

saperkinnv@mail.ruhttps://orcid.org/0009-0009-8699-4969ПословаЛ. Ю.PoslovaL. Ju.

Людмила Юрьевна Послова – к. м. н., заведующая эпидемиологическим отделом

г. Нижний Новгород

+7 (901) 801-09-60

Ljudmila Ju. Poslova – Cand. Sci. (Med.), Head of the Epidemiological Department

Nizhny Novgorod

+7 (901) 801-09-60

lposlova@nodkb.ruhttps://orcid.org/0000-0002-6804-6369КириллинМ. Ю.KirillinM. Ju.

Михаил Юрьевич Кириллин – к. ф.-м. н., ст. н. с.

г. Нижний Новгород

+7 (920) 024-99-42

Mihail Ju. Kirillin – Cand. Sci. (F.-M.), Senior Research

Nizhny Novgorod

+7 (920) 024-99-42

mkirillin@yandex.ruГарбузМ. Е.GarbuzM. E.

Максим Евгеньевич Гарбуз – студент 6-го курса медико-профилактического факультета

г. Нижний Новгород

+7 (904) 904-25-04

Maksim Ye. Garbuz – 6th year student of the Faculty of Preventive Medicine

Nizhny Novgorod

+7 (904) 904-25-04

maxgarbuz30@gmail.comhttps://orcid.org/0000-0001-6152-2943КовалишенаО. В.KovalishenaO. V.

Ольга Васильевна Ковалишена – д. м. н., профессор

г. Нижний Новгород

+7 (903) 608-39-08

Olga V. Kovalishena – Dr. Sci. (Med.), professor

Nizhny Novgorod

+7 (903) 608-39-08

kovalishena@mail.ruФГБОУ ВО «Приволжский исследовательский медицинский университет» Минздрава РоссииРоссияPrivolzhsky Research Medical UniversityRussian FederationГБУЗ НО «Нижегородская областная детская больница»РоссияState Budgetary Institution of Healthcare of the Nizhny Novgorod Region «Nizhny Novgorod Regional Children's Clinical Hospital»Russian FederationФГБУН «Федеральный исследовательский центр Институт прикладной физики им. А. В. Гапонова-Грекова РАН»РоссияA.V. Gaponov-Grekhov Institute of Applied Physics of the Russian Academy of SciencesRussian Federation2025090320252415967Copyright © Саперкин Н.В., Послова Л.Ю., Кириллин М.Ю., Гарбуз М.Е., Ковалишена О.В., 20252025Саперкин Н.В., Послова Л.Ю., Кириллин М.Ю., Гарбуз М.Е., Ковалишена О.В.Saperkin N.V., Poslova L.J., Kirillin M.J., Garbuz M.E., Kovalishena O.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.epidemvac.ru/jour/article/view/2169

Внутрибольничные острые респираторные вирусные инфекции (ОРВИ) выступают значимой причиной высокой заболеваемости в педиатрических стационарах, особенно в отделениях для детей раннего возраста. Для борьбы с ИСМП сохраняется потребность в противоэпидемических и профилактических мероприятиях с доказанной эффективностью. Современным способом объективной оценки мер по контролю инфекции служит математическое моделирование.Цель. Определение возможной тенденции распространения внутрибольничных ОРВИ в условиях крупного многопрофильного детского стационара, а также оценка эффективности своевременной изоляции пациентов с признаками ОРВИ.Материалы и методы. Для оценки эффективности своевременной изоляции пациентов с признаками ОРВИ применили агентную модель распространения внутрибольничной инфекции. Были использованы первичные данные о заболеваемости ОРВИ, количестве коек, составе и частоте заносов в многопрофильный неинфекционный детский стационар областного уровня. В модели также реализована возможность смены агентом отделения. Для моделирования противоэпидемического мероприятия в разработанную имитационную модель было включено выполнение врачом локального алгоритма действий в случае обнаружения больного с симптомами ОРВИ (50% вероятность несоблюдения изоляции; 100% практически все источник инфекции изолированы, принятие решения, идеальный вариант). Эффективность изоляции источника инфекции оценивали при разных ее вариантах. Вычисления и статистический анализ выполняли в MATLAB 7.6 и R 4.2.1(RStudio).Результаты и обсуждение. Максимальные значения абсолютного суточного прироста случаев ОРВИ наблюдались тогда, когда правила изоляции источника инфекции не соблюдались – медиана 32,9 (МКИ 32,4-33,4) заболевших (колебания от 4,0 до 34,8). С увеличением вероятности изоляции пациента с ОРВИ прирост заболевших снижался: при вероятности изоляции источника 50% медиана составляла 5,7 (5–6,5), при 90% – 3,1 (2,8–3,6), при 100% – 2,9 (2,6–3,4). При сравнении отделений в динамике по модельным оценкам отмечалась их неодинаковая вовлеченность в эпидемический процесс и волнообразное распространение инфекции. Выявлены статистически значимые различия в прогнозируемом числе случаев ОРВИ при разном уровне изоляции.Заключение. Получены доказательства эффективности своевременной изоляции источника инфекции, что может быть использовано при обосновании мероприятий по контролю ИСМП.

Relevance. Hospital-acquired acute respiratory viral infections (ARVI) are a significant cause of high morbidity in pediatric hospitals, especially in departments for small children. To control HCAI, there is still a need for evidence-based anti-epidemic and preventive measures. Mathematical modeling is known to be an attractive approach for objectively assessing infection control measures. In this study, we demonstrate effectiveness of timely isolation of the source of respiratory infection (i.e. an infected individuals) which might be revealed in a large pediatric hospital.Materials & Methods. We developed an agent-based model of the spread of nosocomial respiratory infection to assess the effectiveness of timely isolation of patients with ARVI. Primary data on the incidence of ARVI, the number of beds, and the frequency of infection in a multidisciplinary non-infectious children's hospital at the regional level were used. The model also implements the ability of the agent to change the department. To simulate the anti-epidemic measure, we included in the developed simulation model the execution of a local algorithm of actions by a doctor in the event of detection of a patient with ARVI (50% probability of non-compliance with isolation; almost all sources of infection are isolated; 100% decision-making, the ideal option).Results. The maximum absolute daily increase in ARVI cases were observed in scenarios where the rules for isolating the source of infection were violated; here the median equaled 32.9 (IQR 32.4-33.4) cases, ranging from 4.0 to 34.8 cases. With an increase in the probability of isolating a patient with ARVI, the indicator decreased: with a 50% probability of isolating the source, the median was 5.7 (5-6.5); 90% probability – 3.1 (2.8-3.6); 100% probability – 2.9 (2.6-3.4) cases. According to model estimates, when comparing the departments over time, we noted their unequal involvement in the epidemic process and wave-like spread of infection. Statistically significant differences in the predicted number of ARVI cases with different probabilities of isolation were revealed.Conclusion. We used a simulation agent-based approach to modeling nosocomial ARVI. This allowed us to correctly describe the spread of infection among patients in a children's hospital, as well as to assess the effectiveness of timely isolation of the source of infection. In our model, we took into account various options for the interaction of agents with each other. In addition, we fit importations of the infection and studied how they could facilitate the spread of the infection. The solid evidence was obtained of the effectiveness of timely isolation of the source of infection identified in healthcare settings, which can be used to justify control measures.

острая респираторная вирусная инфекцияизоляцияагентная модельвнутрибольничная инфекцияинфекционный контрольacute respiratory viral infectionagent-based modelhealthcare-associated infectioninfection control No conflict of interest to declareReferencesТрубников Г.В., Клестер Е.Б. Внутрибольничные респираторные инфекции, поиск путей профилактики // Бюллетень. 2006. №22. Прил. С. 30–35.Trubnikov G.V., Klester E.B. Vnutribol’nichnye respiratornye infekcii, poisk putej profilaktiki. Bjulleten’. 2006;22(Suppl):30–35. (In Russ).Попова А.Ю., Ежлова Е.Б., Демина Ю.В., Носков А.К. и др. Этиология внебольничных пневмоний в период эпидемического распространения COVID-19 и оценка риска возникновения пневмоний, связанных с оказанием медицинской помощи // ЗНиСО. 2021. №29(7). С. 67–75.Popova A.Ju., Ezhlova E.B., Demina Ju.V., Noskov A.K. i dr. Jetiologija vnebol’nichnyh pnevmonij v period jepidemicheskogo rasprostranenija COVID-19 i ocenka riska vozniknovenija pnevmonij, svjazannyh s okazaniem medicinskoj pomoshhi // ZNiSO. 2021;29(7):67–75. (In Russ).Влад А.И., Санникова Т.Е., Романюха А.А. Моделирование распространения респираторных вирусных инфекций в городе: мультиагентный подход // Математическая биология и биоинформатика. 2020. Т. 15.№ 2.Vlad A.I. , Sannikova T.E., Romanjuha A.A. Modelirovanie rasprostranenija respiratornyh virusnyh infekcij v gorode: mul’tiagentnyj podhod. Matematicheskaja biologija i bioinformatika. 2020;15(2). doi: 10.17537/2020.15.338 (In Russ).Послова Л.Ю. Клинико-эпидемиологические особенности вирусных инфекций в детской неинфекционной многопрофильной медицинской организации // Медицинский альманах. 2019. №3-4. Вып. 60. С. 65–72.Poslova L.Ju. Kliniko-jepidemiologicheskie osobennosti virusnyh infekcij v detskoj neinfekcionnoj mnogoprofil’noj medicinskoj organizacii. Medicinskij al’manah. 2019;3- 4(60):65–72. https://doi.org/10.35627/2219-5238/2021-29-7-67-75(In Russ).Acute respiratory infections in the EU/EEA: epidemiological update and current public health recommendations (15.12.2023). Доступно по: https://www.ecdc.europa.eu/en/news-events/acute-respiratory-infections-eueea-epidemiological-update-and-current-public-health Ссылка активна на 16 сентября 2024 г.Acute respiratory infections in the EU/EEA: epidemiological update and current public health recommendations (15.12.2023). Available at: https://www.ecdc.europa.eu/en/news-events/acute-respiratory-infections-eueea-epidemiological-update-and-current-public-health Accessed 16 Sep 2024.Jin X, Ren J, Li R, et al. Global burden of upper respiratory infections in 204 countries and territories, from 1990 to 2019 // eClinicalMedicine. 2021. N37:P.100986Jin X, Ren J, Li R, et al. Global burden of upper respiratory infections in 204 countries and territories, from 1990 to 2019. eClinicalMedicine. 2021;37:100986. doi: 10.1016/j.eclinm.2021.100986.Yuanzheng Ge, Liang Liu, Bin Chen, et al. Agent-based modeling for influenza H1N1 in an artificial classroom // Systems Engineering Procedia. 2011. N2. P.94–104.Yuanzheng Ge, Liang Liu, Bin Chen, et al. Agent-based modeling for influenza H1N1 in an artificial classroom. Systems Engineering Procedia. 2011;2:94–104. https://doi.org/10.1016/j.sepro.2011.10.012Li, ZJ., Zhang, HY., Ren, LL. et al. Etiological and epidemiological features of acute respiratory infections in China // Nat Commun. 2021. N12. P.5026.Li ZJ, Zhang, HY, Ren LL, et al. Etiological and epidemiological features of acute respiratory infections in China. Nat Commun. 2021;12:5026. https://doi.org/10.1038/s41467-021-25120-6Laskowski M., Demianyk B.C.P, Witt J., et al. Agent-based modeling of the spread of influenza-like illness in an emergency department: a simulation study // IEEE Transactions on Information Technology in Biomedicine. 2011. Vol. 15. N6. P. 877–889.Laskowski M, Demianyk BCP, Witt J, et al. Agent-based modeling of the spread of influenza-like illness in an emergency department: a simulation study. IEEE Transactions on Information Technology in Biomedicine. 2011; 15(6):877–889. doi: 10.1109/TITB.2011.2163414.Nguyen L.K.N., Megiddo I., Howick S. Simulation models for transmission of health care-associated infection: a systematic review // Am J Infect Control. 2020. Vol. 48. N7. P. 810–821.Nguyen LKN, Megiddo I, Howick S. Simulation models for transmission of health care-associated infection: a systematic review. Am J Infect Control. 2020;48(7):810–821. doi: 10.1016/j.ajic.2019.11.005.Grant R., Rubin M., Abbas M., et al. Expanding the use of mathematical modeling in healthcare epidemiology and infection prevention and control // Infect Control Hosp Epidemiol. 2024. N1–6.Grant R, Rubin M, Abbas M, et al. Expanding the use of mathematical modeling in healthcare epidemiology and infection prevention and control. Infect Control Hosp Epidemiol. 2024:1–6. doi: 10.1017/ice.2024.97.Kirillin M., Khilov A., Perekatova V., et al. Multicentral agent-based model of four waves of COVID-19 spreading in Nizhny Novgorod region of Russian Federation // Journal of Biomedical Photonics and Engineering. 2023. Vol. 9. N1. P. 010306.Kirillin M, Khilov A, Perekatova V, et al. Multicentral agent-based model of four waves of COVID-19 spreading in Nizhny Novgorod region of Russian Federation. Journal of Biomedical Photonics and Engineering. 2023; 9(1):010306. doi: 10.18287/JBPE23.09.010306R Core Team (2021). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. Доступно по: https://www.Rproject.org/. Ссылка активна на 15 сентября 2024 г.R Core Team (2021). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/. Accessed 15 Sep 2024.Национальная Концепция профилактики инфекций, связанных с оказанием медицинской помощи (утв. Главным государственным санитарным врачом РФ 6 ноября 2011 г.)National Concept for the Prevention of Infections Associated with the Provision of Medical Care (approved by the Chief State Sanitary Doctor of the Russian Federation on November 6, 2011)Purssell E., Gould D., Chudleigh J. Impact of isolation on hospitalised patients who are infectious: systematic review with meta-analysis // BMJ Open. 2020. Vol. 10. N2. P. e030371.Purssell E, Gould D, Chudleigh J. Impact of isolation on hospitalised patients who are infectious: systematic review with meta-analysis. BMJ Open. 2020;10(2):e030371. doi: 10.1136/bmjopen-2019-030371.Ben-Abraham R., Keller N., Szold O., et al. Do isolation rooms reduce the rate of nosocomial infections in the pediatric intensive care unit? // J Crit Care. 2002. Vol. 17. N3. P. 176–80.Ben-Abraham R, Keller N, Szold O, et al. Do isolation rooms reduce the rate of nosocomial infections in the pediatric intensive care unit? J Crit Care. 2002;17(3):176–80. doi: 10.1053/jcrc.2002.35809.Санитарные правила СП 3.3686-21 «Санитарно-эпидемиологические требования по профилактике инфекционных болезней». Утверждены постановлением Главного государственного санитарного врача РФ от 28 января 2021 г. №4.Sanitary rules SP 3.3686-21 «Sanitary and epidemiological requirements for the prevention of infectious diseases». Approved by the resolution of the Chief State Sanitary Doctor of the Russian Federation dated January 28, 2021 No. 4.Fregonese L., Currie K., Elliott L. Hospital patient experiences of contact isolation for antimicrobial resistant organisms in relation to health care-associated infections: A systematic review and narrative synthesis of the evidence // Am J Infect Control. 2023. Vol. 51. N11. P. 1263–1271.Fregonese L, Currie K, Elliott L. Hospital patient experiences of contact isolation for antimicrobial resistant organisms in relation to health care-associated infections: A systematic review and narrative synthesis of the evidence. Am J Infect Control. 2023;51(11):1263–1271. doi: 10.1016/j.ajic.2023.04.011.

The authors declare that there are no conflicts of interest present.