بررسی عوامل باکتریال شایع ایجاد کننده ی عفونت های مفصلی بر اساس نواحی متغیر ۱۶SrRNA با روش High-Resolution Melt Analysis
[پایان نامه]
سمانه بوربور
دانشگاه علوم پزشکی تهران، دانشکده پزشکی
۱۳۹۹
۱۴۵ص.
جدول نمودار
سی دی
دکتری تخصصی(PHD)
باکتری شناسی پزشکی
۱۳۹۹
۱۹/۸۹
عفونت استخوان و مفاصل به دلیل افزایش استفاده از پروتزهای ثابت استخوان و مفاصل، رو به ازدیاد می باشد. یکی از مهمترین عوارض جراحی بعد از کاشت انواع پروتزهای ارتوپدی، عفونت پروتز مفصلی (Prosthetic joint infections;PJI) می باشد که زندگی میلیون ها نفر در جهان را تحت تأثیر قرار داده است. شناسایی دقیق و سریع میکروارگانیسم های ایجاد کننده عفونت های مفصلی برای انتخاب درمانی مناسب، ضروری می باشد. در تشخیص این عفونت ها، عوامل متعددی وجود دارد که منجر به نتایج کشت منفی کاذب و به دنبال آن عدم درمان صحیح بیماران می شود. بنابراین هدف از این مطالعه، ارتقاء روش های متداول نمونه گیری، کشت و همچنین انتخاب روش های مولکولی مناسب برای تشخیص عفونت در بیماران PJI می باشد.روش کار: نمونه های مایع مفصل، مایع سینوویال، بافت و پروتز مفصل زانو و لگن از 98 بیمار مربوط به 3 بیمارستان آموزشی شهر تهران جمع آوری گردید. 76 بیمار (55 بیمار دارای پروتز و 21 مورد بدون پروتز) دارای معیارهای کانسنسوس ارتوپدی و یا علائم بالینی بودند که مطالعات تکمیلی بر روی آنها صورت گرفت. نمونه های جمع آوری شده در اتاق عمل بر روی محیط های کشت مختلف تلقیح شد و شناسایی باکتری ها و تعیین الگوی حساسیت آنتی بیوتیکی آنها با روش های بیوشیمیایی و فنوتیپی در آزمایشگاه میکروبشناسی انجام شد و در ادامه، بر روی 69 نمونه بالینی،Broad-range PCR انجام شد و همچنین، (HRMA) High Resolution Melt Analysis برای سویه های کنترل و 69 نمونه بالینی صورت گرفت. نتایج HRMA، ابتدا با آنالیز نرم افزار Step One v2.3 دستگاهApplied Biosystems step one plus Real-time PCR (ABI) تجزیه و تحلیل گردید، سپس مقایسه وسیعتر اطلاعات مربوط به جدایه ها با سویه های کنترل توسط نرم افزار Matlab-2018b صورت گرفت. یافته ها: در این مطالعه، نتایج کشت در 4/72 درصد از بیماران مشکوک به عفونت مفاصل مثبت گردید و از بین آنها به ترتیب 5/65 % و 5/34 % دارای عفونت میکروبیال و پلی میکروبیال بودند. 23 بیمار قبل از نمونه گیری آنتی بیوتیک مصرف کرده بودند و فراوانی کشت مثبت در این بیماران حدود 70 درصد بدست آمد. در مجموع 87 میکروارگانسیم از بیماران جداسازی و شناسایی شد. استافیلوکوکوس اورئوس، استافیلوکوکوس کواگولاز منفی و انتروکوکوس به ترتیب با فراوانی نسبی 5/34% ، 29% و 6/23% دارای بیشترین فراوانی در بین باکتری های جداسازی شده از نمونه بیماران بودند. از باکتری های گرم منفی، خانواده انتروباکتریاسیه نیز دارای بیشترین فراوانی (60%) بودند. میزان فراوانی استافیلوکوکوس های مقاوم به متی سیلین و انتروکوکوس های مقاوم به ونکومایسین از بین موارد کشت مثبت، به ترتیب 31% و 5/5% بدست آمد. از 20 پروتز دریافتی 15پروتز (75%) دارای نتیجه کشت مثبت بود و همچنین از کشت پروتز 2 بیمار که نتیجه کشت نمونه های بالینی آنها منفی بود، باکتری جداسازی شد. از 69 بیمار، حضور ژن 16S rRNA در نمونه بالینی 49 بیمار نشان داده شد و نتیجه کشت نمونه های بالینی 48 مورد از این نمونه ها نیز مثبت بود. درصد حساسیت، اختصاصیت و دقت Broad-range PCR نسبت به کشت به ترتیب حدود 100%، 95% و 5/98% به دست آمد. از 69 نمونه مورد بررسی، 49 نمونه در هر سه منطقه متغیر در دماهای ذوب (Tm) در منحنی ذوب واجد پیک بودند که با مقایسه با داده های سویه های کنترل (با استفاده از برنامه MATLAB)، شناسایی جدایه ها انجام شد. شناسایی 4 مورد در سطح جنس و 44 مورد در سطح گونه شناسایی صورت گرفت.به طور کلی نتایج HRMA و کشت برای 41 مورد با یکدیگر همخوانی یا تطابق داشتند (42/85%) و برای 7 نمونه با این دو روش باکتری های متفاوتی شناسایی شد. از این 7 مورد، 3 نمونه مربوط به کشت های مونومیکروبیال و 4 مورد پلی میکروبیال بودند. در 1 مورد با نتیجه کشت منفی، حضور ژن 16S rRNA و HRMA مثبت گردید که با تعیین توالی محصولPCR ، باکتری فاینگولدیا مگنا شناسایی شد. درصد حساسیت، اختصاصیت و دقت HRMA نسبت به کشت مونومیکروبیال به ترتیب حدوداً 92 %، %95 و 93% نسبت به کشت پلی میکروبیال به ترتیب حدوداً 64%، 95% و 84% به دست آمد.نتیجه گیری: درعفونت های ارتوپدی و مفصلی ارتقاء روش های متداول نمونه گیری و کشت، استفاده از محیط های کشت اختصاصی و محیط های حاوی رزین، در کاهش کشت های منفی کاذب بویژه در بیمارانی که مصرف آنتی بیوتیک داشتند، نقش به سزایی داشت. همچنین روش های مولکولی Broad-range PCR و HRMA، روش های مؤثر، سریع و نسبتاً مقرون به صرفه برای تشخیص عامل عفونت های مفصلی مونومیکروبیال می باشند و با این روش ها در عفونت های پلی میکروبیال نیز می توان وجود عفونت را نشان داد. استفاده از برنامه های کاربردی مانند برنامه Matlab-2018b برای تجزیه و تحلیل داده های وسیع HRMA در تشخیص ارزشمند و مفید می باشد.