پرسش: اپیدمیولوژی صرفاً شمارش بیماران نیست، تعریف دقیقش چیست و مثلث اپیدمیولوژیک چه کاربردی در مطب دارد؟
پاسخ: اپیدمیولوژی بالینی یعنی مطالعه توزیع (کجاها شایع است) و عوامل تعیینکننده (چرا شایع است) بیماریها در جمعیتها، برای کنترل پیامدهای سلامت. مهمترین مدلی که باید به خاطر بسپارید، مثلث اپیدمیولوژیک (Epidemiologic Triangle) است که میگوید بروز بیماری حاصل تداخل ۳ عامل است: ۱. عوامل پاتوژن (Pathogen factors): مثل قدرت زندهمانی در محیط، قدرت سرایت، عوامل حدت (Virulence) و مقاومت آنتیبیوتیکی. ۲. عوامل میزبان (Host factors): مثل سن، نژاد، جنس، وضعیت ایمنی (مثلاً در بچهگربهها به دلیل عدم بلوغ ایمنی، حساسیت به FIP بیشتر است). ۳. عوامل محیطی (Environment): مثل آبوهوا، حضور ناقلین (Vector) و تراکم جمعیت (مثل پناهگاهها در مقابل خانههای تکنفره).
مثال عینی از خود کتاب: بیماری FIP در گربهها. شیوع این بیماری در پناهگاهها (Catteries) میتواند به ۵٪ برسد، ولی در خانههای یک یا دو گربهای فقط ۰.۰۲٪ است! دلیلش این است که در پناهگاهها، استرس، تراکم و سرکوب ایمنی باعث افزایش تکثیر ویروس و جهشهای خطرناک میشود.
نقل قول از متن اصلی برای استناد:
“The prevalence of the fatal disease, FIP, in catteries can be as high as 5% whereas the prevalence in one-cat or two-cat households is 0.02% … This increased prevalence in catteries reflects higher levels of low-virulence strains of FCoV in the environment, increased viral replication from acquired immune suppression caused by concurrent infections, pregnancy, stress of crowding, and host cat genetic factors.”
پرسش: چطور پیشبینی کنیم یک بیماری در جمعیت باقی میماند یا از بین میرود؟ عدد R0 چه ربطی به تعداد واکسن زدن دارد؟
پاسخ: برای پیشبینی اپیدمی از مدلهای SIR استفاده میشود. S یعنی Susceptible (مستعد)، I یعنی Infected (عفونی) و R یعنی Recovered/Removed (بهبودیافته یا ایمن). از دل این مدل، یک عدد طلایی به نام R0 (R naught یا عدد پایهی تکثیر) به دست میآید.
تعریف دقیق R0: تعداد موارد جدیدی که یک بیمارِ آلوده، در یک جمعیت کاملاً مستعد (که قبلاً هیچکس بیمار نشده و واکسن هم نزده) تولید میکند.
کاربرد طلایی در دامپزشکی: از R0 میتوانید برای محاسبهی آستانه ایمنی جمعی (Herd Immunity) استفاده کنید. فرمولش این است: نسبت جمعیتی که باید واکسینه شوند = (1 - (1/R0)). مثلاً اگر R0 یک بیماری ۵ باشد، باید ۸۰٪ جمعیت را واکسینه کنید تا زنجیره انتقال قطع شود.
نقل قول از متن اصلی برای استناد (هشدار دربارهی استفاده از R0):
“It has been noted that R0 is readily susceptible to misapplication and misinterpretation because many researchers that use R0 lack sufficient training in the mathematical techniques required to accurately calculate R0. … Nevertheless, it remains a useful benchmark by which to compare magnitudes of predicted epidemics.”
پرسش: در بررسی علت بیماری، چطور بفهمیم یک عامل واقعاً خطرناک است یا صرفاً به دلیل همپوشانی با عامل دیگر، به اشتباه خطرناک به نظر میرسد؟
پاسخ: فرض کنید بررسی کنید و ببینید هرچه تعداد واکسن لپتوسپیروز بیشتر زده شده، میزان آنافیلاکسی (شوک حساسیتی) بیشتر است! اما این یعنی واکسن خطرناک است؟ نه! اینجا مفهوم متغیر مخدوشگر (Confounding) وارد میشود. حیوانات جوانتر، واکسنهای بیشتری دریافت میکنند و سیستم ایمنیشان نسبت به سن، واکنش بیشتری نشان میدهد، بنابراین سن، متغیر مخدوشگر است.
برای حل این معما، از رگرسیون لجستیک چندگانه (Multiple Logistic Regression) استفاده میکنیم. این روش اجازه میدهد همزمان اثر چندین فاکتور را بررسی کرده و اثر فاکتورهای مخدوشگر را حذف (Control) کند. در مقابل، تحلیل تکمتغیره (Univariate Analysis) فقط یک فاکتور را میبیند و اشتباه میکند.
در گزارشهای آماری، با دو عبارت مهم برخورد میکنید: - نسبت شانس (Odds Ratio - OR): اگر OR > 1 باشد، آن فاکتور خطر افزایش بیماری را نشان میدهد (و اگر 1=OR یعنی بیتأثیر است). - خطر نسبی (Relative Risk - RR): نسبت میزان بروز بیماری در گروه مواجههیافته به گروه مواجههنیافته. - خطر قابل انتساب (Attributable Risk): یعنی چند درصد از بیماریها مستقیماً به خاطر همین فاکتور خطر ایجاد شدهاند (نه به خاطر شانس). این عدد را میتوانید از روی شکل ۷.۲ ببینید.
نقل قول از متن اصلی برای استناد دربارهی Confounding:
“For example, univariate analysis might reveal that an increased frequency of leptospira vaccination increases the risk of adverse events such as anaphylaxis. However, young animals are vaccinated more frequently than older animals, and the increased rate of reactions might be due to age rather than frequency of vaccination. Logistic regression analysis controls for these effects…”
پرسش: فرض کنید در یک پناهگاه، ۱۰ قلاده سگ به یک باکتری مقاوم به آنتیبیوتیک آلوده شدهاند. چطور ثابت کنیم منشأ همه یکی بوده یا از چند منبع مختلف آمدهاند؟
پاسخ: برای این کار از اپیدمیولوژی مولکولی (Molecular Epidemiology) استفاده میکنیم که DNA پاتوژن را بررسی میکند تا درخت خویشاوندی (فیلوژنی) رسم کند. سه روش اصلی به ترتیب پیشرفت تکنولوژی عبارتند از:
MLST (تعیین توالی چندجایی - Multilocus Sequence Typing): معمولاً ۷ قطعه ژنی از بخشهای مختلف ژنوم را توالییابی کرده و مقایسه میکنند. (مثلاً برای مقایسه سویههای لپتوسپیرا).
PFGE (الکتروفورز ژل با میدان پالسی - Pulsed-Field Gel Electrophoresis): کل ژنوم با آنزیمهای محدودگر (مثل Smal) برش داده میشود و قطعات در میدان الکتریکی پالسی بر اساس اندازه جدا میشوند تا یک «اثر انگشت (Fingerprint)» از باکتری به دست آید. اگر دو باکتری اثرانگشت کاملاً یکسان داشتند، یعنی حتماً از یک منشأ واحد (Common Source) هستند.
نقل قول از متن اصلی برای استناد:
“Strains that have identical fingerprints are generally regarded to have originated from a common source.”
پرسش: چرا گاهی تست حیوانی را مثبت نشان میدهد در حالی که بیمار نیست، یا برعکس؟ چطور به نتیجهی تست اعتماد کنیم؟
پاسخ: درک این بخش، ناجی شما در آزمون است. اینها را جداً با هم قاطی نکنید:
حساسیت (Sensitivity): توانایی تست در تشخیص حیوان واقعاً بیمار بهعنوان مثبت. (احتمال منفی کاذب پایین = اگر تست منفی شد، با خیال راحت میتوان گفت حیوان بیمار نیست).
فرمول: (تعداد بیمارانی که تستشان مثبت است) تقسیم بر (کل بیماران واقعی)
ویژگی (Specificity): توانایی تست در تشخیص حیوان واقعاً سالم بهعنوان منفی. (احتمال مثبت کاذب پایین = اگر تست مثبت شد، یعنی حیوان حتماً درگیر است).
فرمول: (تعداد سالمانی که تستشان منفی است) تقسیم بر (کل افراد سالم)
نکته طلایی - ارزش اخباری (Predictive Values): حساسیت و ویژگی ویژگیهای خود تست هستند و تغییر نمیکنند، اما ارزش اخباری مثبت (PPV) و ارزش اخباری منفی (NPV) کاملاً به شیوع (Prevalence) بیماری در جمعیت وابستهاند! مثلاً اگر شیوع یک بیماری در منطقه شما ۵۰٪ باشد، PPV بالاست، اما اگر شیوع ۱٪ باشد، حتی با یک تست عالی، تعداد مثبتهای کاذب آنقدر زیاد میشود که PPV میافتد. (شکل ۷.۱ را برای جدول ۲×۲ و نحوه محاسبه ببینید).
منحنی ROC (Receiver Operating Characteristic): این نمودار، میزان حساسیت را در مقابل ۱-ویژگی (میزان مثبت کاذب) رسم میکند تا بهترین نقطهی برش (Cut-off) برای تشخیص پیدا شود. معیار سنجش کیفیت تست، AUC (مساحت زیر منحنی) است. - AUC = ۱: تست عالی (Perfect) - AUC = ۰.۵: تست بیارزش (Worthless) (درست مثل پرتاب سکه) - AUC > ۰.۸: تست خوب محسوب میشود (شکل ۷.۳ را ببینید).
پرسش: آیا میتوان از یک تست تشخیصی برای غربالگری حیوانات سالم استفاده کرد؟ چرا در خوندهندهها باید چند تست مختلف انجام دهیم؟
پاسخ: خیر، هدف تست کاملاً تعیینکننده است: - تست تشخیصی (Diagnostic): برای حیوان بیمار انجام میشود. به حساسیت بالایی نیاز دارد تا بیمار را از دست ندهیم. - تست غربالگری (Screening): برای حیوان به ظاهر سالم انجام میشود تا مطمئن شویم عاری از بیماری است. در اینجا به ویژگی (Specificity) بسیار بالا نیاز داریم، چون یک مثبت کاذب، حیوان را بیجهت از چرخه خارج میکند. معمولاً تستهای غربالگری، ویژگی پایینتری دارند و نتایج مثبت آنها باید با تست دوم (مثلاً Western Blot یا PCR) تأیید شود.
مثال عینی در مورد FELV (شکل ۷.۶ را ببینید): - اگر حیوان بیمار است: کافی است تست ELISA آنتیژن (که ویروس در حال تکثیر را نشان میدهد) انجام دهیم. - اگر میخواهیم یک حیوان را غربالگری کنیم: باید تست ELISA آنتیژن انجام دهیم. - اگر میخواهیم گواهی عاری از عفونت (مثلاً برای اهدای خون) صادر کنیم: باید هم ELISA آنتیژن و هم PCR پروویروس (Provirus DNA) انجام دهیم، چون ممکن است حیوان ویروس را در مغز استخوان داشته باشد ولی در خون دفع نکند!
نقل قول از متن اصلی برای استناد دربارهی تأیید نتایج مثبت:
“Screening tests are generally associated with a lower diagnostic specificity and positive results should be confirmed by a test with high specificity for the pathogen of interest.”
حتماً در مطب با پنلهای PCR چندگانه (مثل جدول ۷.۱ کتاب) مواجه شدهاید. هشدار بسیار مهم: یک نتیجهی مثبت PCR همیشه به معنی بیماری بالینی یا دفع فعال عامل بیماریزا نیست!
دلایل مثبت شدن PCR در حیوان سالم: ۱. عفونت نهفته (Latent) یا تحت بالینی (Subclinical) (مثلاً حیوان حامل است ولی بیمار نیست). ۲. بقایای DNA پاتوژنِ مرده یا واکسن زندهی ضعیفشده (مثلاً در مورد پاروویروس سگ، واکسن زنده میتواند تا چند روز PCR را مثبت کند، شکل ۷.۵ را ببینید که حساسیت PCR از ELISA بیشتر است و عفونتهای تحت بالینی را هم میگیرد). ۳. آلودگی نمونه با DNA محیطی.
نکتهی کلیدی برای تشخیص عفونت فعال: در تستهای PCR کمی (Real-Time PCR)، به عدد Ct (Cycle Threshold) یا تعداد کپی (Copy Number) توجه کنید. عدد Ct پایین یعنی بار ویروسی بالا و ارتباط آن با بیماری بالینی قویتر است. عدد Ct بالا یعنی مقدار ناچیز DNA که ممکن است بالینی نباشد.
جمعبندی نهایی برای آزمون: همیشه قبل از درخواست تست، این ۴ سوال را از خودتان بپرسید: ۱. آیا به دنبال آنتیژن/ژنوم (عفونت فعال) هستم یا آنتیبادی (مواجهه قبلی)؟ ۲. زمان پاتوژنز بیماری کجاست؟ (مثلاً در فاز حاد، تست آنتیبادی منفی است، بروید سراغ PCR). ۳. شیوع بیماری در منطقه چقدر است؟ (PPV و NPV را تحت تأثیر قرار میدهد). ۴. هدف از تست چیست؟ (تشخیص بیماری، غربالگری یا صدور گواهی سلامت).