برنامه های غربالگری دانشگاه، بینش های اولیه انتقادی را در مورد گسترش omicron به محققان داد

Omicron برای اولین بار در 24 نوامبر 2021 در آفریقای جنوبی گزارش شد و در عرض چند روز در ایالات متحده در حال پخش شدن بود و با نفوذ در هر مدرسه، رستوران و اجتماعات خانوادگی، تعداد موارد SARS-CoV-2 را افزایش داد. اما دقیقاً چه زمانی omicron نسخه دلتا را از بین برد تا غالب شود؟ و با چه سرعتی عملاً تسخیر شد؟

اینها سوالاتی هستند که تیمی به سرپرستی محققان دانشکده پزشکی هاروارد با استفاده از یک تکنیک جدید، سریعتر و تعیین کننده برای تجزیه و تحلیل نمونه های SARS-CoV-2 از برنامه های غربالگری در سراسر دانشگاه های منطقه، به بررسی آن ها پرداختند.

تجزیه و تحلیل آنها، در 25 مه منتشر شد بیماری های عفونی بالینی، نشان می دهد که Omicron زودتر از آنچه کارشناسان پیش بینی کرده بودند وارد ماساچوست شد و ظرف چند روز آن را تحویل گرفت – اطلاعاتی که نویسندگان مطالعه بلافاصله به بیمارستان های محلی و بخش های بهداشت عمومی ارائه کردند تا آمادگی ها را برای افزایش موارد COVID-19 اطلاع دهند.

“ظهور Omicron به تسلط جهانی بسیار سریع بود، و ظهور آن در بوستون نیز بسیار سریع بود. آنقدر سریع حرکت کرد که اگر این برنامه های غربالگری که توسط کالج ها اجرا نمی شد، ما بسیاری از موارد را از دست می دادیم، اما با آنها ما ما را از دست دادیم. بیل هانیج، دانشیار اپیدمیولوژی در دانشکده بهداشت عمومی هاروارد تی‌چ چان و نویسنده این مقاله می‌گوید توانستند این تصاحب را مستند کنند.

محققان دانشگاه بوستون، دانشگاه هاروارد و دانشگاه نورث ایسترن برای تجزیه و تحلیل نمونه های SARS-CoV-2 از برنامه های غربالگری بدون علامت خود همکاری کردند. آنها دریافتند که omicron بیش از 90 درصد از عفونت‌های SARS-CoV-2 را 9 روز پس از ورود به یک جامعه تشکیل می‌دهد. علاوه بر این، 10 درصد موارد در جوامع دانشگاهی از omicron تا 10 روز قبل از رسیدن omicron به مرز 10 درصد در ماساچوست بود.

Omicron یک تا دو هفته زودتر از کل ایالت در دانشگاه ها از نوع دلتا پیشی گرفت. علاوه بر این، بیماران آلوده به omicron بار ویروسی کمتری نسبت به بیماران مبتلا به دلتا داشتند – که نشان می‌دهد افزایش انتقال omicron به دلیل ویژگی‌های خود نوع است نه وجود ویروس بیشتر.

این تحقیق نه تنها به به صدا درآوردن زنگ خطر در مورد omicron کمک کرد، بلکه نشان می‌دهد که پردیس‌های دانشگاهی ممکن است مراکز نظارتی ارزشمندی را برای راه‌اندازی برنامه‌های نظارتی برای تشخیص زودهنگام شیوع بیماری‌های عفونی اولیه ارائه دهند.

مایکل اسپرینگر، نویسنده ارشد، استادیار زیست شناسی سیستمی در مؤسسه بلاواتنیک در HMS، می گوید: «دانشگاه ها کمی دیگ ذوب هستند که جامعه اطراف را منعکس می کنند، بنابراین می توانند مکان خوبی برای جمع آوری چیزها در هنگام ورود باشند.

تصاحب سریع

در اوایل دسامبر، محققان شاهد افزایش موارد COVID-19 در برنامه‌های غربالگری در دانشگاه‌های منطقه بوستون بودند که همزمان با افزایش موارد در ماساچوست در کل بود – و در اواسط دسامبر، دانشگاه‌ها مملو از موارد مثبت شدند.

اسپرینگر یادآور شد: «همه ما شاهد این بودیم که omicron در حال گسترش در سراسر جهان است و قرار است به ماساچوست بیاید. به طور تصاعدی از چیزی که فقط چند هفته قبل بود جهش کرد.

تکنیک استاندارد برای تعیین اینکه آیا یک نمونه SARS-CoV-2 یک نوع یا دیگری است یا خیر، شامل توالی یابی کل ژنوم ویروسی است – فرآیندی که اغلب هفت تا 10 روز طول می کشد تا کامل شود. در واقع، زمانی که omicron به ماساچوست رسید، بسیاری از آزمایشگاه‌هایی که توالی‌یابی ژنتیکی SARS-CoV-2 را انجام می‌دهند، تعداد زیادی نمونه داشتند، که آنها را یک یا دو هفته از درک شیوع واقعی omicron عقب انداخت.

با تیک تاک ساعت و افزایش موارد COVID-19، محققان می دانستند که به روش کارآمدتری برای تشخیص Omicron از دلتا نیاز دارند که تا آن زمان بیش از 99 درصد موارد را تشکیل می داد. آنها از یک تکنیک تعیین کننده استفاده کردند که اخیرا توسط نیکول ولش، دکترای تخصصی توسعه یافته است. کاندیدای HMS و موسسه Broad MIT و هاروارد و نویسنده ای در این مقاله. این تکنیک تکثیر ژن PCR و فن‌آوری‌های ویرایش ژن CRISPR را برای جهش‌های ژنتیکی خاصی که دلتا را از omicron متمایز می‌کنند، ترکیب کرد.

بریتانی پتروس، نویسنده اول، دکترای دکترا، می‌گوید: «به‌جای تعیین توالی کل ویروس، ما پرسیدیم که آیا جهش‌های مشخصی در مکان‌های خاص وجود دارد که در مجموع به عنوان نشانگر گونه‌های ویروسی عمل می‌کنند». کاندیدای HMS و موسسه Broad.

این تیم دریافت که omicron را می توان از دلتا در عرض چند ساعت بر اساس سه تفاوت اسید نوکلئیک بین انواع مختلف تشخیص داد. علاوه بر این، محققان از GISAID، پایگاه داده‌ای از توالی‌های SARS-CoV-2 از سرتاسر جهان استفاده کردند تا تأیید کنند که این سه تغییر نوکلئوتیدی در بیش از 99 درصد مواقع، omicron را از دلتا متمایز می‌کند.

پتروس گفت: “این واقعاً به ما اجازه داد که بگوییم بله، روش میانبر برای انواعی که می خواهیم متمایز کنیم، حساس و خاص است.”

با استفاده از این تکنیک، محققان تشخیص دادند که omicron در مدت 9 تا 12 روز در جوامع دانشگاهی به طور کامل از دلتا پیشی گرفت. آنها همچنین دریافتند که omicron تقریباً یک تا دو هفته زودتر از کل ماساچوست در پردیس های دانشگاهی محلی وجود داشت و غالب شد – و علیرغم اینکه بیماران مبتلا به omicron بار ویروسی کمتری نسبت به بیماران دلتا داشتند، به سرعت در حال گسترش بود.

هانیج گفت: «مطالعه این موارد واقعاً مهم است تا بفهمیم گونه‌های جدید تا چه حد قابل انتقال هستند و تا چه حد آن به توانایی کنار گذاشتن ایمنی است که ممکن است به این معنی باشد که ما باید واکسن‌ها را به‌روزرسانی کنیم.»

گسترش این کلمه در

محققان داده‌های خود را با بیمارستان‌ها و بخش‌های بهداشت عمومی به‌طور هم‌زمان به اشتراک گذاشتند، که باعث شد برخی بیمارستان‌ها جراحی‌های انتخابی را با پیش‌بینی تعداد بیشتری از افراد مبتلا به کووید-۱۹ در بیمارستان متوقف کنند.

اسپرینگر گفت: “ما متوجه شدیم که omicron نمی آید؛ omicron از قبل اینجا بود و ما باید به همه اطلاع می دادیم.”

پتروس افزود: «نمایش داده‌های ما به افراد در بیمارستان‌ها و بخش‌های بهداشت عمومی در حین تولید، امکان واکنش سریع بهداشت عمومی را فراهم کرد.

دپارتمان های بهداشت عمومی در ماساچوست نیز اجرای این روش تعیین کننده را برای تجزیه و تحلیل سریعتر نمونه های SARS-CoV-2 آغاز کردند.

اسپرینگر گفت: «دولت خط لوله پردازش نمونه‌ها را در اختیار گرفت و با سرعت شگفت‌انگیزی تلاش کرد تا این کار را به نفع عمومی برساند.

پتروس خاطرنشان کرد که پلتفرم یکسان را می‌توان به راحتی برای تمایز بین انواع جدید SARS-CoV-2 تطبیق داد، که با تداوم همه‌گیری COVID-19 و ادامه تکامل ویروس مهم خواهد بود.

اسپرینگر و پتروس می گویند چندین عامل دانشگاه ها را به مکانی ایده آل برای نمایاندن پویایی omicron تبدیل کرده است. مدارس برنامه های غربالگری جامعی داشتند که در آن همه افراد یک یا دو بار در هفته آزمایش می شدند، نه تنها زمانی که علائم داشتند و به دنبال مراقبت بالینی بودند. علاوه بر این، جوامع دانشگاهی تمایل دارند افراد زیادی را از مناطق اطراف در بر گیرند. بنابراین، تمام آن آزمایش‌ها از همه آن افراد مختلف منجر به یک مجموعه داده بزرگ و متنوع شد که به راحتی قابل مطالعه بود.

افراد اغلب تا روزها یا حتی هفته‌ها پس از آلوده شدن به SARS-CoV-2 برای COVID-19 در بیمارستان بستری نمی‌شوند، اما نمونه‌های دانشگاهی که بر اساس آزمایش منظم همه افراد بدون توجه به علائم است، به محض ورود اومیکرون را ضبط کردند.

پتروس گفت: “ما در مورد این صحبت می کنیم که omicron در 9 روز کاملاً از دلتا غلبه کرده است – در زمان چرخه کامل کمتر از یک نفر از آلوده شدن و بستری شدن در بیمارستان برای COVID-19.”

اسپرینگر افزود: «در واقع بین زمانی که چیزی اتفاق می‌افتد و در حال گسترش است و مشکل‌ساز می‌شود و زمانی که به بیمارستان می‌رسد، تأخیر زیادی وجود دارد».

از جنبه لجستیکی، دانشگاه‌ها نمونه‌های SARS-CoV-2 و محققان و فناوری فراوانی داشتند. اسپرینگر گفت: “دانشگاه‌ها مراکز نوآوری هستند. ما فناوری‌های جدید و مفیدی داریم و همه آماده همکاری هستند، بنابراین این بستگی به این داشت که چگونه می‌توانیم کمک کنیم تا بفهمیم چه خبر است.”

اکنون بسیاری از دانشگاه‌ها برنامه‌های غربالگری SARS-CoV-2 خود را متوقف می‌کنند، اما Springer و Petros موافق هستند که برنامه‌های مشابه می‌تواند ابزار ارزشمندی در آینده باشد.

اسپرینگر گفت: “در حرکت رو به جلو، ما باید به این فکر کنیم که چگونه همه گیری های آینده را متوقف کنیم، و چگونه بهتر بیماری های واگیر استاندارد و بومی را کاهش دهیم. نظارت بر برخی جوامع ممکن است برای این امر مفید باشد زیرا آنها به ما پاسخ اولیه می دهند.”

پتروس افزود: «این به دانشگاه‌ها به‌عنوان مکانی برای نظارت بر بیماری‌های عفونی نوظهور و شیوع‌های آینده اشاره می‌کند». او گفت که چنین نظارتی می تواند چگونگی گسترش یک بیماری نوظهور و اینکه چگونه دودمان های بیماری زا مختلف ممکن است با یکدیگر رقابت کنند روشن کند.

اکنون، آزمایشگاه Springer در حال کار بر روی توسعه پانل های تشخیصی در مقیاس بزرگ است که تجزیه و تحلیل SARS-CoV-2 و سایر عوامل بیماری زا را ارزان تر و آسان تر می کند. پتروس در حال بررسی این موضوع است که آیا می‌توان فناوری‌هایی مانند موارد مورد استفاده در این مطالعه را برای توالی‌یابی نمونه‌های SARS-CoV-2 که با آزمایش‌های آنتی‌ژن سریع خانگی گرفته‌شده‌اند، تغییر داد. او خاطرنشان کرد: با تعطیل شدن برنامه‌های غربالگری بدون علامت، چنین آزمایش‌هایی برای درک سویه‌ها یا دودمان SARS-CoV-2 در گردش ضروری‌تر می‌شود.

اسپرینگر و پتروس هر دو تأکید کردند که این تحقیق بدون همکاری اساسی و اشتراک گذاری سریع داده ها بین محققان و مؤسسات امکان پذیر نبود – چیزی که امیدوارند در آینده ادامه یابد.

اسپرینگر گفت: “مطالعات هر یک از این مدارس به تنهایی به اندازه داشتن داده هایی از چندین مدرسه مختلف با هم قوی نبود، جایی که می توانید واکنش های مشابه و مسیرهای مشابهی را مشاهده کنید.” ما در حال تلاش برای حل یک مشکل دنیای واقعی هستیم، بنابراین باید با هم کار کنیم.»