BACKGROUND. Rates of healthcare-associated infections (HAIs) among babies born in developing countries are higher than among those born in resource-rich countries, as a result of suboptimal infection prevention and control (IPC) practices. Following two reported deaths of neonates with carbapenem-resistant Klebsiella pneumoniae bloodstream infections (BSIs), we conducted an outbreak investigation in a neonatal unit of a regional hospital in Gauteng Province, South Africa. OBJECTIVES. To confirm an outbreak of K. pneumoniae BSIs and assess the IPC programme in the neonatal unit. METHODS. We calculated total and organism-specific BSI incidence risks for culture-confirmed cases in the neonatal unit for baseline and outbreak periods. We conducted a clinical record review for a subset of cases with K. pneumoniae BSI that had been reported to the investigating team by the neonatal unit. An IPC audit was performed in different areas of the neonatal unit. We confirmed species identification and antimicrobial susceptibility, and used polymerase chain reaction for confirmation of carbapenemase genes and pulsed-field gel electrophoresis (PFGE) for typing of submitted clinical isolates. RESULTS. From January 2017 to August 2018, 5 262 blood cultures were submitted, of which 11% (560/5 262) were positive. Of 560 positive blood cultures, 52% (n=292) were positive for pathogenic organisms associated with healthcare-associated BSIs. K. pneumoniae comprised the largest proportion of these cases (32%; 93/292). The total incidence risk of healthcare-associated BSI for the baseline period (January 2017 - March 2018) was 6.8 cases per 100 admissions, and that for the outbreak period (April - September 2018) was 10.1 cases per 100 admissions. The incidence risk of K. pneumoniae BSI for the baseline period was 1.6 cases per 100 admissions, compared with 5.0 cases per 100 admissions during the outbreak period. Average bed occupancy for the entire period was 118% (range 101 - 133%), that for the baseline period was 117%, and that for the outbreak period was 121%. In a subset of 12 neonates with K. pneumoniae bacteraemia, the median (interquartile range (IQR)) gestational age at birth was 27 (26 - 29) weeks, and the median (IQR) birth weight was 1 100 (880 -1 425) g. Twelve bloodstream and 31 colonising K. pneumoniae isolates were OXA-48-positive. All isolates were genetically related by PFGE analysis (89% similarity). Inadequate IPC practices were noted, including suboptimal adherence to aseptic technique and hand hygiene (57% overall score in the neonatal intensive care unit), with poor monitoring and reporting of antimicrobial use (pharmacy score 55%). CONCLUSIONS. Overcrowding and inadequate IPC and antimicrobial stewardship contributed to a large outbreak of BSIs caused by genetically related carbapenemase-producing K. pneumoniae isolates in the neonatal unit.

<img src="/img/revistas/bwho/v91n3/a09res03.jpg">

OBJECTIF: Mettre au point un modèle permettant d'identifier les zones à haut risque d'épidémies sporadiques de rougeole, sur la base d'une analyse des facteurs associés à une épidémie nationale en Afrique du Sud, entre 2009 et 2011. MÉTHODES: Les données sur les cas survenus avant et pendant l'épidémie nationale ont été obtenues auprès du programme sud-africain de surveillance de la rougeole, et les données sur la vaccination contre la rougeole et la taille de la population auprès du système d'informations sanitaires des districts. Un modèle hiérarchique bayésien de Poisson a été utilisé pour étudier l'association entre le risque de rougeole chez les nourrissons dans un district et la couverture vaccinale pour la première dose, la densité de population, la prévalence sous-jacente de l'infection par le virus de l'immunodéficience humaine (VIH) et l'échec attendu de la séroconversion. Les projections du modèle ont été utilisées pour identifier les nouvelles zones à haut risque en 2012. RÉSULTAT: Un schéma spatial clair des zones à haut risque a été observé, avec de nombreuses zones interconnectées (c'est-à-dire voisines). Un risque accru d'épidémie de rougeole a été significativement associé à la constitution préalable d'une population vulnérable ainsi qu'à la densité de population. Le risque était aussi élevé lorsque plus de 20% des nourrissons dans une zone fortement peuplée n'avaient pas reçu une première dose du vaccin. Le modèle a été en mesure d'identifier les zones à haut risque d'épidémie de rougeole en 2012, ainsi que là où des mesures préventives supplémentaires pourraient être prises. CONCLUSION: L'épidémie de rougeole en Afrique du Sud a été associée à la constitution d'une population vulnérable (en raison d'une couverture vaccinale médiocre), à la prévalence élevée de l'infection par le VIH et à une forte densité de population. Le modèle prédictif développé pourrait être appliqué à d'autres contextes sensibles aux épidémies sporadiques de rougeole et à d'autres maladies qui peuvent être prévenues par la vaccination.

OBJECTIVE: To develop a model for identifying areas at high risk for sporadic measles outbreaks based on an analysis of factors associated with a national outbreak in South Africa between 2009 and 2011. METHODS: Data on cases occurring before and during the national outbreak were obtained from the South African measles surveillance programme, and data on measles immunization and population size, from the District Health Information System. A Bayesian hierarchical Poisson model was used to investigate the association between the risk of measles in infants in a district and first-dose vaccination coverage, population density, background prevalence of human immunodeficiency virus (HIV) infection and expected failure of seroconversion. Model projections were used to identify emerging high-risk areas in 2012. FINDINGS: A clear spatial pattern of high-risk areas was noted, with many interconnected (i.e. neighbouring) areas. An increased risk of measles outbreak was significantly associated with both the preceding build-up of a susceptible population and population density. The risk was also elevated when more than 20% of infants in a populous area had missed a first vaccine dose. The model was able to identify areas at high risk of experiencing a measles outbreak in 2012 and where additional preventive measures could be undertaken. CONCLUSION: The South African measles outbreak was associated with the build-up of a susceptible population (owing to poor vaccine coverage), high prevalence of HIV infection and high population density. The predictive model developed could be applied to other settings susceptible to sporadic outbreaks of measles and other vaccine-preventable diseases.

<img src="/img/revistas/bwho/v91n3/a09res02.jpg">

<img src="/img/revistas/bwho/v91n3/a09res01.jpg">

OBJETIVO: Desarrollar un modelo para identificar las áreas con riesgo alto de sufrir brotes esporádicos de sarampión en base a un análisis de los factores asociados a un brote nacional en Sudáfrica entre los años 2009 y 2011. MÉTODOS: Los datos de los casos ocurridos antes y durante el brote nacional se obtuvieron del programa de vigilancia del sarampión de Sudáfrica, y la información acerca de la vacunación contra el sarampión y el tamaño de la población, del sistema de información sanitaria por distritos. Se empleó un modelo de Poisson jerárquico bayesiano para investigar la relación entre el riesgo de sarampión en niños de un distrito con la cobertura de la primera dosis de la vacuna, la densidad de población, el historial de prevalencia de la infección por el virus de la inmunodeficiencia humana (VIH) y el fracaso previsto de la seroconversión. Las proyecciones del modelo se utilizaron para identificar áreas de alto riesgo nuevas en 2012. RESULTADOS: Se observó un patrón espacial claro de las áreas de alto riesgo con muchas zonas conectadas (esto es, colindantes). El riesgo superior de sufrir un brote de sarampión se asoció de modo significativo tanto con el crecimiento previo de un grupo de población vulnerable como con la densidad de población, y también fue elevado cuando más del 20% de los niños en un área populosa no había recibido la primera dosis de la vacuna. El modelo fue capaz de identificar las áreas con riesgo alto de sufrir un brote de sarampión en 2012 y donde podrían emprenderse medidas de prevención adicionales. CONCLUSIÓN: El brote de sarampión en Sudáfrica estuvo asociado con el aumento de un grupo de población vulnerable (debido a una cobertura de vacunación insuficiente), una prevalencia elevada de la infección por VIH y una densidad de población alta. El modelo predictivo desarrollado podría aplicarse a otros lugares susceptibles de sufrir brotes esporádicos de sarampión y otras enfermedades inmunoprevenibles.