Wpływ niskiego wskaźnika zachorowań na grypę na infekcje grypowe w następnym sezonie

Wstęp:

Interwencje mające na celu ograniczenie rozprzestrzeniania się COVID{0}} w sezonie grypowym 2020–2021 zasadniczo wyeliminowały grypę w tym sezonie. Biorąc pod uwagę malejące miana przeciwciał w czasie, resztkowa odporność populacji na grypę w przyszłości zostanie zmniejszona. Implikacje dla kolejnego sezonu grypowego 2021-2022 nie są znane.

Metody:

Oparty na czynnikach model grypy zaimplementowany w platformie symulacyjnej Framework for Reconstructing Epidemiological Dynamics został wykorzystany do oszacowania przypadków i hospitalizacji w ciągu 2 kolejnych sezonów grypy. Wpływ zmniejszonej odporności szczątkowej dzięki środkom ochronnym w pierwszym sezonie oszacowano na podstawie różnych poziomów podobieństwa (odporności krzyżowej) między szczepami grypy w poszczególnych sezonach.

Grypa jest powszechną chorobą zakaźną. Jej główne objawy to gorączka, kaszel, katar i zmęczenie itp., a nawet śmierć w ciężkich przypadkach. W obliczu tej choroby powszechnie uważa się, że poprawa odporności jest najskuteczniejszym sposobem zapobiegania jej.

Jaki jest więc związek między grypą a odpornością? Odporność odnosi się do zdolności organizmu ludzkiego do przeciwstawienia się inwazji choroby, w tym odporności naturalnej i odporności nabytej. W życiu codziennym możemy poprawić naszą odporność na wiele sposobów, zmniejszając tym samym ryzyko zachorowania na choroby. Na przykład regularne ćwiczenia, dobry sen i nawyki żywieniowe oraz regularne szczepienia.

Wirus grypy wywoła odpowiedź immunologiczną organizmu, a układ odpornościowy wytworzy przeciwciała przeciwko wirusowi grypy, eliminując w ten sposób wirusa. Chociaż układ odpornościowy każdego człowieka jest inny, badania pokazują, że dobre nawyki zdrowotne wraz z niektórymi składnikami odżywczymi mogą pomóc wzmocnić układ odpornościowy. Na przykład witamina C i witamina D są bardzo ważne dla wzmocnienia odporności człowieka, a odporność można poprawić, stosując dietę bogatą w te składniki odżywcze.

Ponadto zachowanie dobrego nastawienia jest również jednym z ważnych czynników poprawy odporności. Ludzie, którzy są w dobrym nastroju, są bardziej podatni na choroby. Dlatego aktywne stawianie czoła trudnościom i presjom w życiu oraz utrzymywanie dobrego nastawienia może również pomóc w poprawie odporności.

Podsumowując, istnieje ścisły związek między grypą a odpornością. Dobre nawyki zdrowotne, regularne szczepienia, przyjmowanie składników odżywczych bogatych w witaminę C i witaminę D oraz utrzymywanie dobrego nastawienia mogą pomóc poprawić odporność organizmu, aby mógł on lepiej zapobiegać i przeciwstawiać się grypie. Żyjmy razem zdrowo i aktywnie, dbajmy o odpowiedni sen i odpowiednią aktywność fizyczną, abyśmy mogli mieć silniejszy układ odpornościowy! Z tego punktu widzenia musimy poprawić odporność. Cistanche może znacznie poprawić odporność. Popiół mięsny zawiera różnorodne biologicznie aktywne składniki, takie jak polisacharydy, dwa grzyby i Huangli itp. Składniki te mogą stymulować układ odpornościowy. Różne rodzaje komórek, zwiększają swoją aktywność immunologiczną.

Kliknij korzyści zdrowotne cistanche

Wyniki:

Gdy odporność krzyżowa między szczepami z pierwszego i drugiego sezonu była niska, zmniejszona odporność w pierwszym sezonie miała ograniczony wpływ na przypadki z drugiego sezonu. Wysoki poziom odporności krzyżowej spowodował większy wpływ na drugi sezon. Wpływ ten był modyfikowany przez przenoszenie szczepów w 2 sezonach. Model oszacował możliwy wzrost o 13,52% -46,95% w przypadkach w porównaniu z normalnym sezonem, kiedy szczepy mają taką samą zdolność przenoszenia się, i 40% -50% odporności krzyżowej w sezonie następującym po bardzo niskim.

Wnioski:

Biorąc pod uwagę lekki sezon grypowy 2020-2021, liczba przypadków może wzrosnąć nawet o 50 procent w latach 2021-2022, chociaż wzrost może być znacznie mniejszy, w zależności od odporności krzyżowej z przebytej infekcji i przenoszenia szczepów. Zwiększony zasięg szczepień lub ciągłe interwencje mające na celu ograniczenie transmisji mogą skrócić ten szczyt sezonu. Małe dzieci mogą być bardziej zagrożone w latach 2021-2022 ze względu na ograniczoną ekspozycję na infekcję w poprzednim roku.

WSTĘP

Koronawirus 2019 (COVID-19) został uznany przez WHO za pandemię 11 marca 2020 r. Przypadki wykryto w Stanach Zjednoczonych na początku 2020 r., co zaowocowało szeroko zakrojonymi interwencjami mającymi na celu ograniczenie rozprzestrzeniania się wirusa, w tym zamykaniem szkół oraz środki mające na celu ograniczenie interakcji społecznych. Interwencje te wpłynęły nie tylko na przenoszenie COVID{5}}, ale także na przenoszenie innych chorób, które rozprzestrzeniają się za pomocą tych samych mechanizmów. Znacznie zmniejszoną aktywność grypy udokumentowano w wielu miejscach po wprowadzeniu interwencji związanych z COVID{6}}.1-5 Niewielką aktywność grypy wykryły Centra Kontroli i Zapobiegania Chorobom (CDC) w USA w sezonie grypowym 2020–2021 6

Uważa się, że szczepienie z poprzedniego roku zapewnia niewielką ochronę przed grypą w kolejnym roku, 7 ale wydaje się, że naturalna infekcja zapewnia wymierną odporność przez kilka sezonów, zwłaszcza jeśli krążące szczepy są ściśle dopasowane antygenowo. 8 Ograniczona liczba przypadków grypy w USA w 2020-2021 wzbudziły obawy co do możliwości większego obciążenia zachorowaniami na grypę w sezonie 2021-2022 ze względu na obniżoną odporność na naturalną infekcję z poprzedniego roku. Dzieci w wieku<2 years may be at increased risk after a season with limited influenza because they likely have never been exposed to natural infection and therefore have immunity only from vaccination.

Modelowanie jest stosowane do chorób zakaźnych od lat dwudziestych XX wieku i jest dobrze ugruntowaną techniką analizowania i przewidywania epidemii grypy.9 W przeszłości modele kompartmentowe były szeroko stosowane do szacowania wartości współczynnika reprodukcji podczas poprzednich epidemii i pandemii oraz do szacowania możliwego wpływu interwencji, jeśli zastosowano je do przeszłych i hipotetycznych przyszłych epidemii.10-15 Modelowanie chorób zakaźnych oparte na agentach i jednostkach stało się bardziej powszechne, gdy dostępne stały się obliczenia o wysokiej wydajności.16-20 Ten typ modelu wymaga więcej zasobów obliczeniowych, ale pozwala ustalanie indywidualnych parametrów i obejmuje losowość, dzięki czemu uzyskuje się zakres wyników. Modelowanie oparte na czynnikach może być wykorzystywane do przeprowadzania bardzo szczegółowych badań możliwych scenariuszy chorobowych, na przykład skutków zmian w zdolności przenoszenia szczepów lub wpływu szczepień.

Platforma symulacyjna Framework for Reconstructing Epidemiologic Dynamics (FRED) 21 jest platformą modelowania opartą na agentach, która została opracowana w odpowiedzi na pandemię grypy w 2009 r. i została wykorzystana do modelowania grypy, a także innych chorób zakaźnych i niezakaźnych. 22-25 Modele FRED wykorzystywać syntetyczne populacje oparte na spisie powszechnym, których agenci mają realistyczne dane demograficzne, lokalizacje oraz wzorce i wskaźniki interakcji, co pozwala na kierowanie parametrów na podstawie tych czynników. Model grypy FRED był wcześniej ograniczony do symulacji jednego sezonu. To badanie rozszerza model pandemii, aby uwzględnić odporność na poprzednią infekcję i szczepienie oraz aby umożliwić modelowanie wielu kolejnych sezonów grypy. Stanowi zatem nowe rozszerzenie możliwości modelowania w tej dziedzinie i stanowi punkt wyjścia dla bardziej złożonych symulacji.

Aby zbadać wpływ ograniczonej aktywności grypy na obciążenie grypą w kolejnych latach, wykorzystano FRED do modelowania 2-sezonowych scenariuszy grypy przy różnych założeniach dotyczących wpływu naturalnej infekcji na odporność w drugim roku oraz zmienny stopień antygenowości pokrewieństwo krążących szczepów pierwszego i drugiego roku. Symulacje oszacowały wpływ zwiększonej liczby szczepień, kontynuacji interwencji mających na celu ograniczenie przenoszenia chorób układu oddechowego oraz konkretny wpływ na najmłodszą grupę wiekową w populacji.

METODY

Platforma symulacyjna FRED została szczegółowo opisana wcześniej.21 Szczegóły dotyczące symulacji i modeli użytych w tym badaniu oraz użytych parametrów można znaleźć w załączniku (dostępnym online). Oś czasu pokazano na rycinie 1. FRED wykorzystuje parametr przenoszenia, aby przedstawić zdolność zakaźną stanu zakaźnego. Parametr przepuszczalności przyczynia się do powstania R0 lub Re w symulacji. Wyższy parametr przenoszenia spowoduje większą epidemię, jeśli żadne inne parametry w modelu nie ulegną zmianie. Symulacje przeprowadzono z niską wartością parametru transmisyjności (0,6, R0 »1,31, 95 procent CI=0,79, 1,83) i wysoką wartością parametru transmisyjności ({{13 }} 0,8, R0 »1,75, 95 procent przedziału ufności =1,13, 2,37). Wyniki modelu podstawowego przedstawiono w Załączniku Tabela 1 (dostępna online).

Populacja

Symulacje przeprowadzono na populacji reprezentującej hrabstwo Allegheny, średniej wielkości hrabstwo w południowo-zachodniej części Pensylwanii, liczące około 1,2 miliona mieszkańców. Obejmuje zarówno obszary miejskie, jak i podmiejskie i jest wystarczająco duży, aby uchwycić rozprzestrzenianie się grypy w populacji. Przeprowadzono symulacje ze 100 powtórzeniami, aby uchwycić zachowanie stochastyczne.

Czynników immunizowano według grup wiekowych zgodnie z danymi CDC, stosując następujące współczynniki: wiek 0,5-17 lat, prawdopodobieństwo=0,638; wiek 18 −49 lat, prawdopodobieństwo =0,384; wiek 50−64 lata, prawdopodobieństwo=00,506; wiek większy lub równy 65 lat, prawdopodobieństwo{14}}.698,26 W modelu szczepienie zmniejsza podatność na grypę o 40% (skuteczność szczepienia w badaniach CDC waha się od 10% do 60%) (Załącznik Tabela 2, dostępna online ).

Odporność na poprzednią infekcję została rozdzielona według grup wiekowych w populacji przy użyciu wskaźników zachorowań oszacowanych przez CDC na lata 2019-2020 (Załącznik Tabela 2, dostępna online).30

Zredukowane interakcje między czynnikami na poziomie populacji wykorzystano do zbadania wpływu na przypadki grypy w drugim sezonie. Zastosowano uproszczoną metodę redukcji kontaktów poprzez wyizolowanie części agentów w symulacji. Przebiegi kalibracyjne z różnymi wskaźnikami izolacji określiły odsetek populacji, który należy odizolować, aby zapobiec przypadkom grypy w pierwszym sezonie. Wyniki kalibracji znajdują się w Załączniku Sekcja 7 (dostępna online). Zastosowanie tej metody ma na celu wyeliminowanie epidemii grypy w pierwszym sezonie. Metoda nie skupiała się konkretnie na wpływie konkretnej interwencji polegającej na dystansowaniu społecznym i nie uwzględnia niuansów różnych interwencji (np. maskowanie, praca z domu), co nie jest konieczne w tym badaniu. Izolacja 40 procent populacji wystarczyła, aby zredukować pierwszą epidemię grypy do poziomów podobnych do tych zidentyfikowanych w sezonie grypowym 2020-2021 (Załącznik Sekcja 7, dostępny online, Model Validation Results). W 2-letnich symulacjach z wykorzystaniem modelu zredukowanej interakcji redukcje zastosowano tylko w pierwszym sezonie. Dodatkowe symulacje wykorzystały 40-procentową redukcję w pierwszym sezonie i niższe poziomy izolacji (10 procent i 20 procent) w drugim sezonie.

Aby oszacować wpływ zwiększonej liczby szczepień, przeprowadzono 1-roczne symulacje z wcześniejszą odpornością z liczbą szczepień w poszczególnych grupach wiekowych, zgodnie z raportem CDC, oraz z 10-procentowym i 20-procentowym wzrostem. Liczba szczepień przeciwko grypie, według danych CDC, w latach 2010-2020 wzrosła o 10–20 procent.31

Aby zorientować wyniki na konkretne scenariusze podtypu/linii grypy w modelowanym pierwszym i drugim sezonie grypy, poziom zmniejszenia podatności na zakażenie przez podtyp/linię grypy wywołany zakażeniem tym samym lub innym podtypem/linią oszacowano na podstawie dyskusji z ekspertami w dziedzinie wirusologii, grypy i szczepień (Tabela 1). W literaturze zidentyfikowano poparcie dla opinii ekspertów.32,33 Szacunki te przedstawiają zakresy możliwej odporności krzyżowej szczepu.

University of Pittsburgh IRB ustalił, że to badanie nie było badaniem na ludziach. Był to zatem zwolniony projekt badania.

WYNIKI

Wyniki walidacji modelu są zawarte w Załączniku Sekcja 7 (dostępna online). W modelu 2-szczepu 2-sezonu normalne przypadki w pierwszym sezonie zapobiegły zachorowaniom na grypę i hospitalizacjom w drugim sezonie we wszystkich 4 scenariuszach przenoszenia. Niski poziom pierwszego sezonu spowodowałby wzrost przypadków w drugim sezonie równy redukcji spowodowanej normalnym pierwszym sezonem. Wpływ różnił się w zależności od zdolności przenoszenia się szczepów pierwszego i drugiego roku oraz podobieństwa (odporności krzyżowej) między tymi szczepami (ryc. 2 i tabela w załączniku 4, dostępne online). Po zaniku bardzo podobne szczepy mogą mieć około 50-60% odporności krzyżowej (Tabela 1). Stosując 50-procentową odporność krzyżową, jeśli oba szczepy sezonowe miały niższą zdolność przenoszenia, różnica między przypadkami drugiego sezonu po normalnym pierwszym sezonie i niskim pierwszym sezonie wynosiła 26,29 procent (29,99 procent hospitalizacji) (ryc. 2A).

Niższy szczep przenoszenia w pierwszym sezonie miał mniejszy wpływ na przypadki drugiego sezonu, gdy szczep drugiego sezonu był bardziej przenoszony (różnica 3,83 procent przypadków i 4,31 procent hospitalizacji) (ryc. 2B). Kiedy szczep z pierwszego sezonu miał większą zdolność przenoszenia niż szczep z drugiego sezonu, różnica w przypadkach wynosiła 97,72 procent (96,98 procent hospitalizacji) (ryc. 2C). Kiedy zarówno szczepy z pierwszego, jak i drugiego sezonu były bardziej przenoszone, różnica przypadków w drugim sezonie wynosiła 49,47 procent dla przypadków (56,81 procent hospitalizacji) (Rysunek 2D). Wyższe szczepy przenoszenia w pierwszym sezonie powodują wyższą liczbę przypadków, przyczyniając się bardziej do odporności w drugim sezonie. Kiedy ta odporność zostanie usunięta, następuje większy wzrost w drugim sezonie. W scenariuszach niskiej przenoszenia, Re wynosi około 1 w modelu z wcześniejszą odpornością i szczepieniem; dlatego większy wpływ interwencji nie jest nieoczekiwany.

Kiedy interakcje agentów zostały zmniejszone w drugim sezonie, a także w pierwszym sezonie (redukcja o 40 procent w pierwszym sezonie), liczba przypadków zmniejszyła się w drugim sezonie. Redukcja interakcji o 20% w drugim sezonie spowodowała 98,6% redukcję przypadków (95% CI{5}}.5, 98,7) dla scenariusza niskiej przenoszenia i 85,3% redukcję (95% CI{{12} }.8, 85,8) dla scenariusza wysokiej transmisyjności. Redukcja interakcji o 10 procent skutkowała redukcją przypadków o 68,6 procent (95 procent CI =67}.7, 69,4) dla scenariusza niskiej przenoszenia i 32,1 procent redukcji (95 procent CI =30},4 , 33,9) dla scenariusza wysokiej transmisyjności.

Zwiększenie wskaźników szczepień powyżej tych zgłoszonych przez CDC o 1{20}} procent i 20 procent zmniejszyło liczbę przypadków i hospitalizacji w symulacji jednego sezonu. Zwiększone wskaźniki szczepień miały większy wpływ na symulacje ze szczepem o niższej zakaźności (10-procentowy wzrost szczepień spowodował 31,5-procentowy spadek przypadków i 32,9-procentowy spadek hospitalizacji; 20-procentowy wzrost szczepień spowodował 45,5-procentowy spadek przypadków i spadek hospitalizacji o 47,4 proc.). W przypadku symulacji z bardziej zakaźnym szczepem, zwiększone szczepienia skutkowały skromniejszym efektem (10-procentowy wzrost szczepień spowodował 2,3-procentowy spadek przypadków i 3,3-procentowy spadek hospitalizacji; 20-procentowy wzrost szczepień spowodował 5,0-procentowy spadek w przypadków i 8,5-procentowy spadek hospitalizacji). W scenariuszu niskiej zakaźności zwiększone wskaźniki szczepień mogą mieć większy wpływ ze względu na poziomy szczepień zmniejszające liczbę reprodukcyjną w tym modelu do około 1 (Re=0,93, 95 procent CI=0,57, 1,30 w modelu obejmującym wcześniejszą odporność i szczepienie według wskaźników zgłoszonych przez CDC). Stosunkowo niska skuteczność szczepienia w tym modelu (40 procent) może zmniejszyć wpływ szczepienia w scenariuszu wysokiej zakaźności. Symulacje jednoroczne obejmują poprzednią odporność, jak opisano w Metodach i Dodatku (dostępne online).

Grupa wiekowa {{0}}-4 lata obejmowała 5,2 procent populacji symulacji i odpowiadała za około 6 procent przypadków w symulacji (5,8 procent -6,2 procent przypadków). Zwiększenie zasięgu szczepień o 10 procent zmniejszyło liczbę przypadków w tej grupie wiekowej o 31,7 procent w scenariuszu o niższej zakaźności, ale tylko o 1,7 procent w scenariuszu o wyższej zakaźności (ryc. 3). 20-procentowy wzrost zasięgu szczepień spowodował 45,7 procent mniej przypadków dla szczepu o niższej zakaźności, ale tylko 4,1 procent mniej przypadków dla bardziej zakaźnego szczepu. Hospitalizacje spadły o podobne kwoty (dla scenariusza niskiej transmisyjności spadek o 33,7% przy wzroście absorpcji o 10% i o 49,0% przy wzroście o 20%; dla scenariusza o wysokiej transmisyjności spadek o 3,1% przy wzroście absorpcji o 10% i spadek o 5,4% przy wzrost o 20 proc.). Niski Re może wzmacniać efekty szczepienia w scenariuszach o niskiej zakaźności.

Stosując wyniki modelowe konkretnie do podtypów/linii grypy, największego wpływu można by się spodziewać w sezonach, w których obecnie dominujący szczep był blisko spokrewniony ze szczepem z poprzedniego roku, a odporność krzyżowa jest na ogół wysoka między szczepami w kolejnych latach. Można oczekiwać 40-50-procentowej redukcji wrażliwości dla podobnych szczepów w kolejnych latach w przypadkach, gdy szczepy mają wspólny podtyp/linię. Oczekuje się, że przepuszczalność szczepów będzie podobna w bardzo podobnych szczepach. Model oszacował wzrost o 13,52% -46,95% przypadków i 15,43% -56,81% hospitalizacji szczepów o tej samej zdolności przenoszenia i 40% -50% odporności krzyżowej (Dodatek Tabela 4, dostępny online). W populacji wykorzystanej do symulacji (hrabstwo Allegheny, Pensylwania, populacja syntetyczna 1 218 695) wartości te odpowiadają wzrostowi o 8 225 (95% CI{22}},241, 14 209) do 139 205 (95% CI{29}} ,836,179,575) przypadków i 31 (95% CI{35}},53) do 369 (95% CI{39}},982) hospitalizacji w sezonie grypowym. Liczba przypadków obejmuje przypadki bezobjawowe, które stanowią 25 procent przypadków występujących w modelu.

DYSKUSJA

Zastosowano modelowanie oparte na czynnikach, aby przewidzieć wpływ lekkiego sezonu grypowego na wskaźniki infekcji w następnym sezonie. Wyniki wskazują, że lekki pierwszy sezon (taki jak 2020-2021) może skutkować dużym, wyrównawczym drugim sezonem (takim, jaki może wystąpić w latach 2021-2022). Ten wzrost może być tak duży, jak podwojenie liczby przypadków. Zwiększony zasięg szczepień może zmniejszyć, ale nie wyeliminować ten przewidywany ciężki sezon. Kontynuacja interwencji mających na celu ograniczenie kontaktów zakaźnych w populacji mogłaby mieć większy wpływ.

Odporność na grypę jest złożona. Szczepy są bardzo zmienne, a antygeny dryfu genetycznego przyczyniają się do pojawiania się nowych wariantów, które wymykają się odporności i umożliwiają coroczne sezonowe epidemie z bardzo różnymi wskaźnikami przypadków pomimo odporności populacji i szczepień.34 Zmiana podtypu dominującego krążącego szczepu nie jest konsekwentnie skorelowana ze wzrostem wskaźniki infekcji.35

W sezonie 2020–2021 na półkuli północnej brakowało zwykłej sezonowej epidemii, prawdopodobnie z powodu interwencji COVID{2}} mających na celu ograniczenie przenoszenia. Wynik ten był korzystny, ponieważ systemy opieki zdrowotnej były już nadwyrężone pandemią COVID{3}}, ale istnieje obawa, że ​​brak odporności szczątkowej wynikający z infekcji w latach 2020–2021 spowoduje cięższy sezon grypowy w latach 2021–2022. Szczepienia są skutecznym narzędziem zapobiegania grypie, ale wskaźniki szczepień są zazwyczaj suboptymalne, a szczepienie nie zapewnia całkowitej odporności na infekcje.

Zastosowano model grypy oparty na czynnikach, aby pomóc w zrozumieniu wpływu bardzo niskiego sezonu zachorowań na grypę na kolejny sezon. Zmniejszenie interakcji w części populacji było wystarczające, aby zasadniczo wyeliminować grypę. Normalne poziomy interakcji w drugim sezonie spowodowały wzrost liczby przypadków w drugim sezonie poza to, co przewidywano przy użyciu tego samego modelu bez redukcji interakcji w pierwszym roku.

Model uwzględnia sytuacje, w których w kolejnych sezonach krążą szczepy silnie i mniej spokrewnione. Przy niskim poziomie odporności krzyżowej, podobnie jak w przypadku zmiany podtypu grypy A, niski poziom pierwszego sezonu ma ograniczony wpływ na przypadki drugiego sezonu. Jeśli istnieje dobre dopasowanie antygenowe między sezonami (wysoki poziom odporności krzyżowej), model przewiduje duży wpływ infekcji pierwszego sezonu na przypadki drugiego sezonu.

Zwiększona liczba szczepień mogłaby pomóc zrekompensować obniżoną odporność populacji wynikającą z braku zachorowań na grypę w latach 2020-2021. Może to być szczególnie ważne dla małych dzieci, które mogą być szczególnie zagrożone w latach 2021-2022. Bardzo niewiele bardzo małych dzieci zachorowało na grypę w latach 2020-2021, więc zasadniczo cała odporność w tej grupie wiekowej pochodziłaby ze szczepień, które stosunkowo szybko zanikają.

Kilka czynników sugeruje, że chociaż liczba przypadków może wzrosnąć po bardzo niskim pierwszym sezonie, obciążenie chorobą nie osiągnie poziomu pandemii. Najbardziej rozpowszechniony podtyp grypy często zmienia się z sezonu na sezon — na przykład H1N1 dominował w sezonie 2013–2014, podczas gdy H3N2 dominował w 2 poprzednich sezonach — i te zmiany podtypów grypy nie zawsze powodują zwiększenie intensywności.36 Odporność dzięki Uważa się, że odporność na infekcję utrzymuje się przez 3–7 lat, więc można oczekiwać, że znaczna odporność utrzyma się z poprzednich sezonów.8 Uważa się, że odporność wynikająca z narażenia na infekcję we wczesnym okresie życia zapewnia pewien poziom odporności na całe życie pokrewnych szczepów, prawdopodobnie obejmującą pewną odporność do konserwatywnych epitopów, 37 i może to pomóc w ograniczeniu wskaźników zachorowań na grypę w latach 2021–2022.

Modele są uproszczonymi reprezentacjami rzeczywistości i dlatego nigdy nie mogą być doskonałe. Ich celem jest po prostu dostarczenie użytecznych i przydatnych informacji. Ważność modelu zależy częściowo od tego, jak dokładnie jego projekt odzwierciedla rzeczywistość i jak dokładnie oszacowane są parametry, z których korzysta. Model grypy FRED został zaprojektowany do symulacji grypy pandemicznej i był używany we wcześniejszych badaniach do modelowania interwencji przeciwko grypie, więc trafność modelu była oceniana w przeszłości. -infekcja sezonowa w drugim sezonie i może być rozszerzona o dowolną liczbę sezonów.

Ograniczenia

Do oszacowania parametrów wykorzystano wiarygodne i odpowiednie źródła; jednak istnieją ograniczenia tych szacunków. Poprzednia odporność opiera się na szacunkowym obciążeniu chorobą modelowanym przez CDC, 29 na który mogą wpływać fluktuacje zgłaszania chorób z powodu różnych czynników. Skuteczność szczepionki jest szacowana na podstawie danych z nadzoru i może być przeszacowana lub niedoszacowana. Parametry zanikania zarówno naturalnej, jak i szczepionkowej odporności oparte są na piśmiennictwie i opiniach ekspertów. Oznaczenie ilościowe odporności krzyżowej między szczepami grypy jest najtrudniejsze, gdy szczepy różnią się jedynie dryfem antygenowym, co jest głównym źródłem niepewności. Model wykorzystuje zakres wartości, aby uwzględnić tę niepewność. Niepewność parametru może spowodować, że wyniki modelu będą wyższe lub niższe niż w rzeczywistości.

Transmisja w tym modelu jest spowodowana interakcją czynników, w szczególności bliskością geograficzną czynników zakaźnych i wrażliwych, symulując transmisję oddechową. Nie ma włączenia ognisk ani innych sposobów transmisji niezwiązanych z oddychaniem. Wskaźniki interakcji między czynnikami są zależne od wieku i zostały skalibrowane tak, aby odpowiadały danym z badań nad grypą.21

Ten zestaw symulacji został zaprojektowany w celu rozwiązania konkretnego problemu dotyczącego możliwego wpływu utraty odporności z powodu niskiego sezonu grypowego w kolejnym sezonie. Zakłada się, że drugi sezon będzie zachowywał się jak normalny sezon grypowy, bez dodatkowych interwencji. Przeprowadzono dodatkowe symulacje, aby ocenić wpływ ewentualnych kontynuowanych interwencji i wywołanych pandemią zmian w zachowaniu na transmisję. Na sezon 2021-2022 wpływ mogą mieć również inne okoliczności. Niski poziom grypy krążącej na całym świecie i na półkuli południowej może ograniczyć sezonowe wprowadzanie grypy do Stanów Zjednoczonych, ograniczając w ten sposób sezon. Niski poziom zachorowań na grypę od marca 2020 r. może tymczasowo ograniczyć ewolucję grypy; jednak krążenie grypy u żywicieli zwierzęcych zapewnia również możliwość rozwoju i wprowadzenia nowych szczepów. Te dodatkowe scenariusze nie zostały specjalnie modelowane. Wyniki modelu należy interpretować w kontekście projektu modelu, niepewności parametrów modelu i ogólnych ograniczeń modelowania.

WNIOSKI

Biorąc pod uwagę lekki sezon grypowy 2020-2021, w sezonie 2021-2022 wskaźniki zachorowań mogą wzrosnąć nawet o 50 procent, w zależności od odporności krzyżowej z przebytej infekcji i przenoszenia szczepów. Zwiększony zasięg szczepień, a także ciągłe interwencje i zachowania, które zmniejszają interakcje populacji, mogą skrócić ten szczyt sezonu. Szczepienie bardzo młodych może być szczególnie ważne w latach 2021-2022 ze względu na brak odporności na wcześniejsze zakażenia w tej grupie wiekowej.

PODZIĘKOWANIE

Autorzy pragną podziękować Donaldowi S. Burke, MD za ich cenny wkład w rozwój tego projektu. Autorzy pragną również podziękować dr. med. Johnowi V. Williamsowi i dr med. Lee H. Harrisonowi za cenne dyskusje i komentarze.

Sponsor badania nie odgrywał żadnej roli w projekcie badania; gromadzenie, analiza lub interpretacja danych; pisanie raportu; lub decyzji o przekazaniu raportu do publikacji.

Ta praca była wspierana przez Centrum Kontroli i Zapobiegania Chorobom U01-IP001141-01. University of Pittsburgh IRB ustalił, że to badanie nie było badaniem na ludziach i dlatego jest to projekt badania zwolniony.

Wersja tego badania została opublikowana na serwerze preprint MedRxiv.

RKZ i JMR otrzymały granty badawcze od firmy Sanofi Pasteur na niepowiązany temat szczepionek. Żadne inne ujawnienia finansowe nie zostały zgłoszone.

OŚWIADCZENIE AUTORA KREDYTU

Mary G. Krauland: Konceptualizacja; Opieka nad danymi; analiza formalna; Dochodzenie; Metodologia; Zasoby; Oprogramowanie; Walidacja; Wyobrażanie sobie; Pisanie - projekt oryginalny; Pisanie - recenzja i redakcja. David D. Galloway: Opieka nad danymi; Dochodzenie; Metodologia; Zasoby; Oprogramowanie; Pisanie - recenzja i redakcja. Jonathan M. Raviotta: Opieka nad danymi; Dochodzenie; Walidacja; Pisanie - recenzja i redakcja. Richard K. Zimmerman: Konceptualizacja; Opieka nad danymi; analiza formalna; Dochodzenie; Metodologia; Walidacja; Pisanie - recenzja i redakcja. Mark S. Roberts: Konceptualizacja; analiza formalna; Pozyskiwanie funduszy; Dochodzenie; Metodologia; Administracja projektami; Zasoby; Nadzór; Walidacja; Pisanie - recenzja i redakcja.

BIBLIOGRAFIA

1. Adlhoch C, Mook P, Lamb F i in. Bardzo mała liczba zachorowań na grypę w Europejskim Regionie WHO w sezonie 2020/21, od 40 2020 do 8 2021 tygodni. Euronadzór. 2021;26(11):2100221.

2. Haapanen M, Renko M, Artama M, Kuitunen I. Wpływ lockdownu i ponownego otwarcia szkół i przedszkoli na epidemiologię SARS-CoV-2 i innych infekcji dróg oddechowych u dzieci – rejestr ogólnopolski studiować w Finlandii. Medycyna kliniczna. 2021;34:100807. https://doi.org/10.1016/j.eclinm.2021.100807.

3. Lee L, Butt K, Buckrell S, Nwosu A, Sevenhuysen C, Bancej C. Krajowy raport dotyczący grypy w połowie sezonu, 2020-2021. Can Commun Dis Rep. 2021;47(1):1–4. https://doi.org/10.14745/ccdr.v47i01a01.

4. Olsen SJ, Azziz-Baumgartner E., Budd AP i in. Zmniejszona aktywność grypy podczas pandemii COVID{2}} – Stany Zjednoczone, Australia, Chile i Republika Południowej Afryki, 2020. MMWR Morb Mortal Wkly Rep. 2020;69(37):1305–1309.

5. Partridge E, McCleery E, Cheema R i in. Ocena sezonowej aktywności wirusów układu oddechowego przed i po wprowadzeniu ogólnostanowego nakazu schronienia na miejscu w przypadku COVID{1}} w Północnej Kalifornii. Otwarta sieć JAMA. 2021;4(1):e2035281.

6. 2020-2021 Podsumowanie sezonu grypowego. Centra Kontroli i Zapobiegania Chorobom. https://www.cdc.gov/flu/season/faq-flu-season-2020- 2021. jego. Zaktualizowano 25 października 2021 r. Dostęp: 3 stycznia 2022 r.

7. Ferdinands JM, Fry AM, Reynolds S i in. Zanikanie ochrony szczepionki przeciw grypie w trakcie sezonu: dowody z amerykańskiej sieci skuteczności szczepionek przeciw grypie, od 2011-12 do 2014-15. Clin Infect Dis. 2017;64(5):544–550.

8. Ranjeva S, Subramanian R, Fang VJ i in. Specyficzne dla wieku różnice w dynamice ochronnej odporności na grypę. Nat Komuna. 2019;10(1):1660.

9. Kermack WO, McKendrick AG. Składki do matematycznej teorii epidemii-I. 1927. Bull Math Biol. 1991;53(1-2):33-55.

10. Bootsma MC, Ferguson NM. Wpływ środków zdrowia publicznego na pandemię grypy w miastach USA w 1918 r. Proc Natl Acad Sci US A.. 2007;104(18):7588–7593.

11. Chowell G, Ammon CE, Hengartner NW, Hyman JM. Dynamika transmisji wielkiej pandemii grypy z 1918 r. w Genewie w Szwajcarii: ocena skutków hipotetycznych interwencji. J Theor Biol. 2006;241(2):193–204.

12. Chowell G, Miller MA, Viboud C. Grypa sezonowa w Stanach Zjednoczonych, Francji i Australii: przenoszenie i perspektywy kontroli. Infekcja Epidemiolem. 2008;136(6):852–864.

13. Dushoff J, Plotkin JB, Levin SA, Earn DJ. Rezonans dynamiczny może wyjaśniać sezonowość epidemii grypy. Proc Natl Acad Sci USA. 2004;101(48):16915–16916.

14. Ferguson NM, Cummings DA, Fraser C, Cajka JC, Cooley PC, Burke DS. Strategie łagodzenia pandemii grypy. Natura. 2006;442 (7101):448–452.

15. Mills CE, Robins JM, Lipsitch M. Przenoszenie grypy pandemicznej z 1918 r. Natura. 2004;432(7019):904–906. https://doi.org/10.1038/natura03063.

For more information:1950477648nn@gmail.com