Innovate to reduce rifampicin-resistant tuberculosis in Rwanda and beyond (InnoR3TB)

Rifampicineresistente tuberculose (RR-TB) treft jaarlijks wereldwijd een half miljoen nieuwe patiënten. Het nationale TB-programma van Rwanda heeft van de bestrijding ervan een prioriteit gemaakt, wat heeft geleid tot een daling van het aantal gemelde RR-TB-gevallen. Voortbouwend op een vruchtbare samenwerking stellen wij nu voor om innovatieve onderzoeken uit te voeren die informatie zullen verschaffen voor verdere evidence-based controle-inspanningen. We hebben aangetoond dat de Xpert MTB/RIF valse resistentie detecteert wanneer de bacteriële belasting laag is, wat heeft geleid tot een herzien landelijk diagnostisch stroomschema. In moleculair-epidemiologische analyses die een kwart eeuw bestrijken, hebben we een virulente stam geïdentificeerd, de "Rwanda RR-kloon", die fitnesscompenserende mutaties heeft, en nog steeds de meerderheid van RR-TB in Rwanda veroorzaakt. In het huidige voorstel zullen we ten eerste de moleculair-epidemiologische analyse uitbreiden om de vraag "wie is de volgende?" te beantwoorden. Ten tweede zullen we met geavanceerde bioinformatica-analyses de omvang van de totale bacteriële populatie testen. Ten derde zullen we de diagnostiek optimaliseren voor de snelle detectie van RR-TB, ook door fenotypische tests, en specifiek de Rwanda RR kloon, door de connectiviteitssoftware van Xpert machines te integreren met een nieuw te ontwikkelen qPCR. Ten vierde zullen we een innovatieve case finding-aanpak testen om de overdracht van RR-TB verder te onderbreken. Door de samenwerking met collega's in het gebied van de Grote Meren te versterken, zijn we van plan om samen fundamentele inzichten te verschaffen in de dynamiek van de RR-TB-transmissie en informatie te verstrekken over optimale volgende stappen naar de bestrijding van RR-TB in Rwanda en elders.

Rifampicin resistant tuberculosis (RR-TB) affects half a million new patients worldwide each year. The National TB Programme of Rwanda made its control a priority, resulting in a decline in RR-TB cases notified. Building on a fruitful collaboration, we now propose to conduct innovative investigations that will inform further evidence-based control efforts. We showed that the Xpert MTB/RIF detects false resistance when the bacterial burden is low, which led to a revised nationwide diagnostic flow chart. In molecular epidemiological analyses spanning a quarter century, we identified a virulent strain, the “Rwanda RR clone”, that has fitness compensatory mutations, and still causes the majority of RR-TB in Rwanda. In the present proposal, firstly, we will expand the molecular epidemiological analysis to answer the question “who is next?”. Secondly, we will test with state of the art bioinformatics analyses the size of the total bacterial population. Thirdly, we will optimize diagnostics for the rapid detection of RR-TB, also by phenotypic tests, and specifically the Rwanda RR clone, integrating connectivity software of Xpert machines with a new to be developed qPCR. Fourthly, we will test an innovative case finding approach to further interrupt RR-TB transmission. By strengthening collaborations with colleagues in the Great Lakes region, together we plan to provide fundamental insights into RR-TB transmission dynamics and inform optimal next steps towards RR-TB control in Rwanda and elsewhere.