다음 시즌 인플루엔자 감염에 대한 낮은 인플루엔자 발생률의 영향
Jul 03, 2023
소개:
2020-2021 인플루엔자 시즌 동안 COVID-19의 확산을 억제하기 위한 개입으로 해당 시즌 동안 인플루엔자는 기본적으로 제거되었습니다. 시간이 지남에 따라 항체 역가가 감소하면 인플루엔자에 대한 미래의 잔여 인구 면역이 감소할 것입니다. 후속 2021-2022 인플루엔자 시즌에 대한 영향은 알 수 없습니다.
행동 양식:
Framework for Reconstructing Epidemiological Dynamics 시뮬레이션 플랫폼에서 구현된 에이전트 기반 인플루엔자 모델을 사용하여 2개의 연속적인 인플루엔자 계절에 대한 사례 및 입원을 추정했습니다. 첫 번째 계절에 보호 조치로 인해 감소된 잔여 면역의 영향은 계절에 따라 인플루엔자 변종 사이의 다양한 수준의 유사성(교차 면역)에 대해 추정되었습니다.
인플루엔자는 흔한 전염병입니다. 주요 증상은 발열, 기침, 콧물, 피로감 등이며 심할 경우 사망하기도 한다. 이 질병에 직면하여 일반적으로 면역력을 향상시키는 것이 질병을 예방하는 가장 효과적인 방법이라고 믿어집니다.
그렇다면 독감과 면역력은 어떤 관계가 있을까요? 면역이란 자연면역과 후천면역을 포함하여 인체가 질병의 침입에 저항하는 능력을 말한다. 일상 생활에서 우리는 여러 가지 방법으로 면역력을 향상시켜 질병에 걸릴 위험을 줄일 수 있습니다. 예를 들어, 규칙적인 운동, 좋은 수면과 식습관, 정기적인 예방 접종을 받는 것입니다.
인플루엔자 바이러스는 신체의 면역 반응을 일으키고 면역 체계는 인플루엔자 바이러스에 대한 항체 반응을 수행하여 바이러스를 제거합니다. 모든 사람의 면역 체계는 다르지만 연구에 따르면 특정 영양소와 함께 좋은 건강 습관이 면역 체계를 강화하는 데 도움이 될 수 있습니다. 예를 들어 비타민 C와 비타민 D는 인간의 면역력을 높이는 데 매우 중요하며 이러한 영양소가 풍부한 식단을 섭취하면 면역력을 향상시킬 수 있습니다.
또한 좋은 자세를 유지하는 것도 면역력을 높이는 중요한 요소 중 하나입니다. 기분이 좋은 사람은 질병에 저항할 가능성이 더 큽니다. 따라서 삶의 어려움과 압박에 적극적으로 대처하고 좋은 태도를 유지하는 것도 면역력 향상에 도움이 될 수 있습니다.
요약하면, 인플루엔자와 면역 사이에는 밀접한 관계가 있습니다. 좋은 건강 습관, 정기적인 예방 접종, 비타민 C와 비타민 D가 풍부한 영양소 섭취, 좋은 태도를 유지하는 것은 모두 신체의 면역력을 향상시켜 독감을 더 잘 예방하고 저항할 수 있도록 도와줍니다. 우리 함께 건강하고 활동적인 생활을 하고, 충분한 수면과 적절한 운동을 유지하여 더 강한 면역 체계를 가질 수 있도록 합시다! 이런 관점에서 우리는 면역력을 향상시켜야 합니다. Cistanche는 면역력을 크게 향상시킬 수 있습니다. 고기 회에는 다당류, 두 버섯, 황리 등과 같은 다양한 생물학적 활성 성분이 포함되어 있습니다. 이러한 성분은 면역 체계를 자극할 수 있습니다. 다양한 유형의 세포는 면역 활동을 증가시킵니다.
결과:
첫 번째 시즌과 두 번째 시즌 간의 교차 면역이 낮을 때 첫 번째 시즌 감소는 두 번째 시즌 사례에 제한적인 영향을 미쳤습니다. 높은 수준의 교차 면역은 두 번째 시즌에 더 큰 영향을 미쳤습니다. 이 영향은 두 계절의 균주의 전염성에 의해 수정되었습니다. 이 모델은 균주가 동일한 전파력을 갖고 매우 낮은 시즌 이후에 교차 면역성이 40~50%인 정상 시즌에 비해 13.52%~46.95%의 증가 가능성을 추정했습니다.
결론:
2020~2021년 인플루엔자 시즌이 밝다는 점을 감안할 때 2021~2022년에는 사례가 최대 50%까지 증가할 수 있지만, 과거 감염의 교차 면역과 변종의 전염성에 따라 증가율이 훨씬 적을 수 있습니다. 백신 적용 범위를 강화하거나 전파를 줄이기 위한 지속적인 개입으로 성수기를 줄일 수 있습니다. 어린 아이들은 전년도 감염에 대한 노출이 제한되어 2021~2022년에 더 높은 위험에 노출될 수 있습니다.
소개
2019년 코로나바이러스 질병(COVID-19)은 2020년 3월 11일 WHO에 의해 대유행으로 선언되었습니다. 2020년 초 미국에서 사례가 확인되어 학교 폐쇄를 포함하여 바이러스 확산을 줄이기 위한 광범위한 개입이 이루어졌습니다. 그리고 사회적 상호 작용을 줄이기 위한 조치. 이러한 개입은 COVID-19 전파뿐만 아니라 동일한 메커니즘으로 확산되는 다른 질병의 전파에도 영향을 미쳤습니다. COVID-19 개입 이후 많은 지역에서 눈에 띄게 감소한 인플루엔자 활동이 기록되었습니다.1−5 2020~2021년 인플루엔자 시즌 동안 미국 질병 통제 예방 센터(CDC)에서는 인플루엔자 활동이 거의 감지되지 않았습니다. .6
전년도 예방접종은 다음 해 인플루엔자로부터 거의 보호하지 못하는 것으로 여겨지지만,7 자연 감염은 특히 순환하는 변종이 가까운 항원과 일치하는 경우 여러 계절 동안 측정 가능한 면역을 제공하는 것으로 보입니다.8 미국에서 인플루엔자 사례의 제한된 수는 2020-2021년은 전년도 자연 감염으로 인한 면역력 저하로 인해 2021-2022년 시즌에 인플루엔자 질환의 부담이 커질 가능성에 대한 우려를 제기했습니다. 어린이<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.
모델링은 1920년대부터 전염병에 적용되었으며 인플루엔자 전염병을 분석하고 예측하기 위한 잘 확립된 기술입니다.9 역사적으로 구획 모델은 과거 유행병 및 대유행의 번식 수 값을 추정하고 가능한 영향을 추정하기 위해 광범위하게 적용되었습니다. 과거 및 가상의 미래 유행병에 적용할 경우 개입 횟수가 줄어듭니다.10-15 고성능 컴퓨팅이 가능해지면서 에이전트 기반 및 개인 기반 전염병 모델링이 일반화되었습니다.16-20 이 유형의 모델에는 더 많은 컴퓨팅 리소스가 필요하지만 개별 기반 매개 변수를 설정하고 임의성을 포함하여 다양한 결과가 생성됩니다. 에이전트 기반 모델링을 사용하여 가능한 질병 시나리오(예: 균주 전염성 변화의 영향 또는 백신 접종의 영향)에 대한 매우 상세한 조사를 수행할 수 있습니다.
FRED(Framework for Reconstructing Epidemiologic Dynamics) 시뮬레이션 플랫폼21은 2009년 인플루엔자 대유행에 대응하여 개발된 에이전트 기반 모델링 플랫폼으로 인플루엔자 및 기타 감염성 및 비감염성 조건을 모델링하는 데 사용되었습니다.22-25 FRED 모델 에이전트가 현실적인 인구 통계, 위치, 상호 작용 패턴 및 비율을 가지고 있는 인구 조사 기반 합성 모집단을 사용하여 이러한 요인에 의한 매개 변수의 대상을 지정할 수 있습니다. FRED 인플루엔자 모델은 이전에 단일 계절 시뮬레이션으로 제한되었습니다. 이 연구는 이전 감염 및 예방 접종으로부터의 면역성을 포함하고 인플루엔자의 여러 연속 계절의 모델링을 허용하도록 대유행 모델을 확장합니다. 따라서 이 영역에서 모델링 기능의 새로운 확장을 나타내며 보다 복잡한 시뮬레이션을 위한 시작점을 제공합니다.
제한된 인플루엔자 활동이 다음 해 인플루엔자 부담에 미치는 영향을 조사하기 위해 FRED는 2-자연 감염이 2년 차 면역에 미치는 영향과 다양한 정도의 항원에 대한 다양한 가정 하에 계절 인플루엔자 시나리오를 모델링하는 데 사용되었습니다. 1년차 및 2년차 순환 균주의 관련성. 시뮬레이션을 통해 백신 접종 증가의 영향, 호흡기 질환 전파를 줄이기 위한 지속적인 개입, 인구 중 가장 어린 연령층에 대한 특정 영향을 추정했습니다.
행동 양식
FRED 시뮬레이션 플랫폼은 이전에 자세히 설명했습니다.21 이 연구에 사용된 시뮬레이션 및 모델의 세부 사항과 사용된 매개변수는 부록(온라인에서 사용 가능)에서 찾을 수 있습니다. 타임라인은 그림 1에 나와 있습니다. FRED는 전염성 매개변수를 사용하여 전염성 조건의 감염 능력을 나타냅니다. 전달성 매개변수는 시뮬레이션에서 R0 또는 Re 생성에 기여합니다. 더 높은 전염성 매개변수는 모델 변경의 다른 매개변수가 없는 경우 더 큰 발생을 생성합니다. 시뮬레이션은 낮은 전달성 매개변수 값(0.6, R0»1.31, 95퍼센트 CI=0.79, 1.83)과 높은 전달성 매개변수 값({{13 }}.8, R0»1.75, 95% CI=1.13, 2.37). 기본 모델 결과는 부록 표 1(온라인에서 사용 가능)에 포함되어 있습니다.
인구
인구 약 120만 명으로 Pennsylvania 남서부의 중간 크기 카운티인 Allegheny County를 대표하는 인구에 대해 시뮬레이션을 수행했습니다. 그것은 도시와 교외 지역을 모두 포함하고 인구를 통해 인플루엔자의 확산을 포착하기에 충분히 큽니다. 확률적 거동을 포착하기 위해 시뮬레이션을 100회 반복하여 수행했습니다.
다음 비율을 사용하여 CDC 데이터에 따라 연령 그룹별로 에이전트를 예방접종했습니다: 연령 0.5-17세, 확률=0.638; 18세 -49세, 확률=0.384; 50-64세, 확률=0.506; 연령 65세 이상, 확률=0.698.26 모델에서 예방접종은 인플루엔자에 대한 감수성을 40%까지 감소시킵니다(CDC 연구에서 예방접종 효능 범위는 10%에서 60% 사이임)(부록 표 2, 온라인에서 이용 가능) ).27,28 모의연도 10월에 계통특이접종이 이루어지며, 접종 후 면역은 월 7%씩 감소한다.29
이전 감염으로부터의 면역성은 2019-2020년 동안 CDC에서 추정한 발병률을 사용하여 인구의 연령대별로 분포되었습니다(부록 표 2, 온라인에서 사용 가능).30
인구 수준에서 감소된 에이전트 상호 작용을 사용하여 두 번째 시즌 인플루엔자 사례에 미치는 영향을 조사했습니다. 시뮬레이션에서 일부 에이전트를 격리하여 접촉을 줄이는 단순화된 방법이 사용되었습니다. 다양한 격리율로 보정 실행을 통해 첫 시즌 인플루엔자 사례를 예방하기 위해 격리해야 하는 인구의 비율을 결정했습니다. 보정 결과는 부록 섹션 7(온라인에서 사용 가능)에 있습니다. 이 방법을 사용하면 첫 시즌 인플루엔자 전염병을 제거하는 목적을 달성할 수 있습니다. 이 방법은 특정 사회적 거리두기 개입의 영향에 특별히 초점을 맞추지 않았으며 이 연구에 필요하지 않은 다양한 개입(예: 마스킹, 재택근무)의 뉘앙스를 다루지 않습니다. 인구의 40%를 격리하면 첫 번째 인플루엔자 유행을 2020-2021 인플루엔자 시즌에 확인된 수준과 유사한 수준으로 낮추기에 충분했습니다(부록 섹션 7, 온라인에서 사용 가능, 모델 검증 결과). 감소된 상호 작용 모델을 사용한 2-년 시뮬레이션에서 감소는 첫 번째 시즌에만 적용되었습니다. 추가 시뮬레이션에서는 첫 번째 시즌에는 40% 감소를, 두 번째 시즌에는 더 낮은 격리 수준(10% 및 20%)을 사용했습니다.
백신 접종 증가의 영향을 추정하기 위해 1-이전 면역에 대한 시뮬레이션을 CDC에서 보고한 연령대별 백신 접종률과 10% 및 20% 증가로 실행했습니다. 2010년부터 2020년까지 CDC가 보고한 인플루엔자 백신 접종 수준은 10% -20% 범위에서 증가했습니다.31
모델링된 첫 번째 및 두 번째 인플루엔자 계절의 특정 하위 유형/계보 시나리오에 대한 결과를 지향하기 위해, 동일하거나 다른 하위 유형/계보의 감염에 의해 부여된 인플루엔자의 하위 유형/계보에 의한 감염에 대한 감수성 감소 수준을 토론을 기반으로 추정했습니다. 바이러스학, 인플루엔자 및 예방 접종 전문가와 함께(표 1). 전문가 의견에 대한 지원은 문헌에서 확인되었습니다.32,33 이러한 추정치는 가능한 균주 교차 면역의 범위를 나타냅니다.
University of Pittsburgh IRB는 이 연구가 인간을 대상으로 한 연구가 아니라고 판단했습니다. 따라서 면제 연구 설계였습니다.
결과
모델 유효성 검사 결과는 부록 섹션 7(온라인에서 사용 가능)에 포함되어 있습니다. 2-계통, 2-계절 모델에서 정상적인 첫 번째 계절 사례는 4가지 전염성 시나리오 모두에서 두 번째 계절 인플루엔자 사례 및 입원을 예방했습니다. 낮은 첫 번째 시즌은 정상적인 첫 번째 시즌으로 인한 감소와 동일한 두 번째 시즌 케이스 증가를 야기합니다. 영향은 1년차 및 2년차 변종의 전염성 및 해당 변종 간의 유사성(교차 면역)에 따라 달라졌습니다(그림 2 및 부록 표 4, 온라인에서 사용 가능). 약해진 후 매우 유사한 균주는 약 50~60%의 교차 면역성을 가질 수 있습니다(표 1). 50% 교차 면역을 사용하여 두 계절 균주의 전염성이 더 낮은 경우 정상적인 첫 번째 시즌 후 두 번째 시즌 사례와 낮은 첫 번째 시즌 간의 차이는 26.29%(29.99% 입원)였습니다(그림 2A).
첫 번째 시즌의 낮은 전염성 변형은 두 번째 시즌 변형이 더 전염성이 있는 두 번째 시즌 사례에 미치는 영향이 적었습니다(3.83% 사례와 4.31% 입원의 차이)(그림 2B). 1계절 균주가 2계절 균주보다 전파력이 더 큰 경우 사례에서 97.72%의 차이가 있었다(96.98% 입원)(그림 2C). 첫 번째 시즌과 두 번째 시즌의 변종이 모두 전염성이 더 높았을 때 두 번째 시즌의 사례 차이는 사례에 대해 49.47%(56.81% 입원)였습니다(그림 2D). 첫 번째 시즌의 높은 전염성 균주는 더 높은 사례 수를 유발하여 두 번째 시즌 면역에 더 많은 기여를 합니다. 이 면역이 제거되면 두 번째 시즌에 더 큰 증가가 있습니다. 낮은 전염성 시나리오에서 Re는 이전 면역 및 예방 접종이 있는 모델에서 약 1입니다. 따라서 개입의 더 큰 영향은 예상치 못한 것이 아닙니다.
첫 번째 시즌뿐만 아니라 두 번째 시즌에도 상담원 상호 작용이 감소했을 때(첫 번째 시즌 40% 감소) 두 번째 시즌에는 사례가 감소했습니다. 두 번째 시즌에서 상호작용이 20% 감소한 결과 낮은 전염성 시나리오의 사례는 98.6%(95% CI=98.5, 98.7), 85.3% 감소(95% CI{{12} }.8, 85.8) 높은 전송률 시나리오의 경우. 상호작용이 10% 감소하면 낮은 전염성 시나리오의 사례가 68.6%(95% CI=67.7, 69.4) 감소하고 32.1% 감소(95% CI=30.4)되었습니다. , 33.9) 높은 전송률 시나리오의 경우.
CDC가 보고한 것보다 예방 접종률을 10% 높이고 단일 시즌 시뮬레이션에서 사례 및 입원 건수를 20% 줄였습니다. 예방 접종률 증가는 전염성 변형률이 낮은 시뮬레이션에 더 큰 영향을 미쳤습니다(백신 접종 10% 증가는 사례 31.5% 감소, 입원 32.9% 감소, 예방 접종 20% 증가는 사례 45.5% 감소, 입원 47.4% 감소). 전염성이 더 높은 변종에 대한 시뮬레이션의 경우 백신 접종을 늘리면 더 완만한 효과가 나타났습니다(백신 접종을 10% 늘리면 사례가 2.3% 감소하고 입원은 3.3% 감소했습니다. 사례 및 입원 8.5% 감소). 낮은 전염성 시나리오에서 증가된 백신 접종률은 해당 모델의 번식 수를 약 1로 감소시키는 백신 접종 수준으로 인해 더 큰 영향을 미칠 수 있습니다(Re=0.93, 95% CI=0.57, 1.30 이전 면역 및 CDC 보고 비율의 예방접종을 포함하는 모델에서). 이 모델에서 상대적으로 낮은 예방접종 효과(40%)는 높은 전염성 시나리오에서 예방접종의 영향을 감소시킬 수 있습니다. 1년 시뮬레이션에는 방법 및 부록(온라인에서 사용 가능)에 설명된 대로 이전 면역성이 포함됩니다.
연령대 {{0}}-4세는 시뮬레이션 모집단의 5.2%를 구성하고 시뮬레이션 사례의 약 6%를 차지했습니다(사례의 5.8% -6.2%). 백신 접종 범위를 10% 늘리면 이 연령대의 감염 사례가 낮은 전염성 시나리오에서는 31.7% 감소했지만 높은 전염성 시나리오에서는 1.7%만 감소했습니다(그림 3). 백신 접종 범위가 20% 증가하면 낮은 전염성 변종에 대한 사례가 45.7% 감소했지만 전염성이 높은 변종에 대한 사례는 4.1%만 감소했습니다. 입원은 비슷한 양으로 감소했습니다(낮은 전염성 시나리오의 경우 섭취가 10% 증가하면 33.7% 감소, 20% 증가하면 49.0% 감소, 높은 전염성 시나리오의 경우 섭취가 10% 증가하면 3.1% 감소, 섭취가 10% 증가하면 5.4% 감소 20% 증가). Low Re는 전염성이 낮은 시나리오에서 백신 접종의 효과를 향상시킬 수 있습니다.
특히 인플루엔자 아형/계통에 모델 결과를 적용하면 현재 우세한 변종이 전년도 변종과 밀접하게 관련되어 있고 교차 면역이 일반적으로 다음 해 변종 간에 높은 계절에 가장 큰 영향이 예상됩니다. 균주가 아형/혈통을 공유하는 경우 후속 연도에 유사한 균주에 대해 감수성의 40% -50% 감소가 예상될 수 있습니다. 변형 전달성은 매우 유사한 변형에서 유사할 것으로 예상됩니다. 이 모델은 동일한 전염성과 40% -50% 교차 면역을 가진 변종에서 사례의 경우 13.52% -46.95%, 입원의 경우 15.43% -56.81%의 증가를 추정했습니다(부록 표 4, 온라인에서 사용 가능). 시뮬레이션에 사용된 인구(Allegheny County, PA, 합성 인구 1,218,695)에서 이 값은 8,225(95% CI=2,241, 14,209)에서 139,205(95% CI=98) 증가에 해당합니다. ,836, 179,575) 사례 및 인플루엔자 시즌 동안 31(95% CI=10, 53) ~ 369(95% CI=610, 982) 입원. 사례 수에는 모델에서 발생하는 사례의 25%를 차지하는 무증상 사례가 포함됩니다.
논의
가벼운 인플루엔자 시즌이 다음 시즌의 감염률에 미치는 영향을 예측하기 위해 에이전트 기반 모델링을 사용했습니다. 결과는 가벼운 첫 번째 시즌(예: 2020-2021)이 크고 보상적인 두 번째 시즌(예: 2021-2022년에 발생할 수 있는 것)으로 이어질 수 있음을 나타냅니다. 이 증가는 사례의 두 배만큼 클 수 있습니다. 강화된 백신 적용 범위는 이 예상되는 심각한 계절을 줄일 수는 있지만 완전히 없앨 수는 없습니다. 인구의 감염성 접촉을 줄이기 위한 개입을 지속하면 더 큰 영향을 미칠 수 있습니다.
인플루엔자 면역은 복잡합니다. 변종은 매우 가변적이며, 인구 면역 및 백신 접종에도 불구하고 광범위하게 변하는 발병률로 면역을 피하고 매년 계절성 발병을 가능하게 하는 새로운 변이의 출현에 기여하는 유전적 부동 항원이 있습니다.34 우세한 순환 변종의 하위 유형 전환은 감염률.35
북반구 2020-2021 시즌에는 일반적인 계절적 발병이 없었는데, 이는 아마도 COVID-19가 전파를 줄이기 위한 개입 때문일 것입니다. 그 결과는 의료 시스템이 이미 COVID-19 대유행으로 인해 부담을 받았기 때문에 유익했지만, 2020~2021년에 감염으로 인한 잔류 면역 부족으로 인해 2021~2022년에 더 심각한 인플루엔자 시즌이 발생할 것이라는 우려가 있습니다. 백신 접종은 인플루엔자를 예방하는 효과적인 도구이지만 백신 접종률은 일반적으로 차선책이며 백신 접종은 감염에 대한 완전한 면역을 부여하지 않습니다.
매우 낮은 인플루엔자 시즌이 다음 시즌에 미치는 영향을 이해하는 데 도움이 되도록 에이전트 기반 인플루엔자 모델이 사용되었습니다. 인구 비율의 상호 작용 감소는 본질적으로 인플루엔자를 제거하기에 충분했습니다. 두 번째 시즌의 정상적인 상호 작용 수준은 첫 해의 상호 작용 감소 없이 동일한 모델을 사용하여 예측한 것보다 두 번째 시즌 사례의 증가를 초래했습니다.
이 모델은 관련성이 높은 균주와 덜 관련된 균주가 연속적인 계절에 순환하는 상황을 설명합니다. 낮은 수준의 교차 면역으로 인플루엔자 A 하위 유형 전환과 유사하게 낮은 첫 시즌은 두 번째 시즌 사례에 미치는 영향이 제한적입니다. 계절 간에 좋은 항원 일치가 있는 경우(높은 수준의 교차 면역) 모델은 첫 번째 시즌 감염에서 두 번째 시즌 사례에 큰 영향을 미칠 것으로 예측합니다.
백신 접종 증가는 2020~2021년에 인플루엔자 부족으로 인한 인구 면역력 감소를 상쇄하는 데 도움이 될 수 있습니다. 이것은 2021~2022년에 특히 위험에 처할 수 있는 어린 아이들에게 특히 중요할 수 있습니다. 2020-2021년에 매우 어린 아이들이 인플루엔자에 걸렸기 때문에 기본적으로 해당 연령대의 모든 면역은 상대적으로 빠르게 약해지는 예방 접종으로 인한 것입니다.
몇 가지 요인은 매우 낮은 첫 번째 시즌 이후에 사례가 증가할 수 있지만 질병 부담이 대유행 수준에 도달하지 않을 것임을 시사합니다. 가장 널리 퍼진 인플루엔자 아형은 종종 한 계절에서 다음 계절로 전환됩니다. 예를 들어 H1N1은 2013-2014 시즌에 우세한 반면 H3N2는 이전 두 계절에 우세했습니다. 이러한 인플루엔자 아형 전환이 항상 강도를 증가시키는 것은 아닙니다.36 감염에 대한 면역은 3-7년 동안 지속되는 것으로 생각되므로 이전 계절에 비해 상당한 면역이 유지될 것으로 예상할 수 있습니다.8 생애 초기에 감염에 대한 노출로부터의 면역은 일부 면역을 포함하여 관련 변종에 대한 평생 면역 수준을 부여하는 것으로 여겨집니다. 보존된 에피토프에,37 그리고 이것은 2021-2022 인플루엔자 발병률을 제한하는 데 도움이 될 수 있습니다.
모델은 현실을 단순화한 표현이므로 완벽할 수 없습니다. 그들의 의도는 단순히 유용하고 실행 가능한 정보를 제공하는 것입니다. 모델의 타당성은 설계가 현실을 얼마나 가깝게 반영하고 사용하는 매개변수가 얼마나 정확하게 추정되는지에 따라 부분적으로 결정됩니다. FRED 인플루엔자 모델은 대유행 인플루엔자를 시뮬레이션하도록 설계되었으며 이전 연구에서 인플루엔자 개입을 모델링하는 데 사용되었으므로 모델 유효성은 과거에 평가되었습니다. - 두 번째 시즌에 시즌 감염되며 임의의 시즌을 포함하도록 확장할 수 있습니다.
제한 사항
신뢰할 수 있고 적절한 출처가 매개변수 추정에 사용되었습니다. 그러나 이러한 추정에는 한계가 있습니다. 이전 면역은 다양한 요인으로 인해 질병 보고의 변동에 의해 영향을 받을 수 있는 CDC 모델의 질병 부담 추정치를 기반으로 합니다. 예방접종 효능은 감시 데이터로부터 추정되며 과대평가되거나 과소평가될 수 있습니다. 자연면역력과 백신면역력의 약화에 대한 매개변수는 문헌과 전문가 의견을 기반으로 합니다. 인플루엔자 변종 간 교차 면역성은 변종이 항원 변이에 의해서만 다를 때 정량화하기가 가장 어려운데, 이는 불확실성의 주요 원인입니다. 이 모델은 이러한 불확실성을 설명하기 위해 다양한 값을 사용합니다. 매개변수 불확실성으로 인해 모델 결과가 현실에서 발생하는 것보다 높거나 낮을 수 있습니다.
이 모델의 전송은 에이전트의 상호 작용, 특히 호흡기 전송을 시뮬레이션하는 감염성 및 감수성 에이전트의 지리적 근접성에 의해 발생합니다. 매개물 또는 기타 비호흡기 전파 방식은 포함되지 않습니다. 작용제 간의 상호 작용 비율은 연령에 따라 다르며 인플루엔자 연구의 데이터와 일치하도록 보정되었습니다.21
이 시뮬레이션 세트는 다음 계절의 낮은 인플루엔자 계절로 인해 면역 상실의 가능한 영향과 관련된 특정 문제를 해결하도록 설계되었습니다. 두 번째 시즌은 추가 개입 없이 일반적인 인플루엔자 시즌처럼 작동한다고 가정합니다. 가능한 지속적인 개입과 전염병으로 인한 행동 변화가 전파에 미치는 영향을 평가하기 위해 추가 시뮬레이션을 수행했습니다. 다른 상황도 2021-2022 시즌에 영향을 미칠 수 있습니다. 전 세계적으로 그리고 남반구에서 유행하는 낮은 수준의 인플루엔자는 미국에 인플루엔자의 계절적 도입을 제한하여 계절을 제한할 수 있습니다. 2020년 3월 이후 낮은 수준의 인플루엔자 순환은 그 동안 인플루엔자 진화를 제한했을 수 있습니다. 그러나 동물 숙주에서 인플루엔자의 순환은 새로운 변종의 개발 및 도입 가능성도 제공합니다. 이러한 추가 시나리오는 구체적으로 모델링되지 않았습니다. 모델 결과는 모델 설계, 모델 매개변수의 불확실성 및 일반적인 모델링의 한계와 관련하여 해석되어야 합니다.
결론
2020~2021년 인플루엔자 시즌이 가벼운 것을 감안할 때 2021~2022 시즌에는 과거 감염의 교차 면역과 변종의 전염성에 따라 사례 발생률이 최대 50%까지 증가할 수 있습니다. 인구 상호 작용을 줄이는 지속적인 개입 및 행동뿐만 아니라 향상된 백신 적용 범위는 이번 성수기를 줄일 수 있습니다. 2021~2022년에는 해당 연령대의 이전 감염에 대한 면역력이 부족하기 때문에 아주 어린 아이에게 백신 접종이 특히 중요할 수 있습니다.
감사의 말
저자는 이 프로젝트 개발에 귀중한 기여를 한 Donald S. Burke, MD에게 감사의 말을 전합니다. 저자는 또한 귀중한 토론과 논평을 해주신 John V. Williams, MD 및 Lee H. Harrison, MD에게 감사드립니다.
연구 후원자는 연구 설계에서 역할이 없었습니다. 데이터 수집, 분석 또는 해석 보고서 작성; 또는 출판을 위해 보고서를 제출하기로 한 결정.
이 작업은 질병 통제 예방 센터 U01-IP001141-01의 지원을 받았습니다. University of Pittsburgh IRB는 이 연구가 인간을 대상으로 한 연구가 아니므로 면제 연구 설계라고 결정했습니다.
이 연구의 한 버전이 사전 인쇄 서버 MedRxiv에 게시되었습니다.
RKZ와 JMR은 관련 없는 백신 주제에 대해 사노피 파스퇴르로부터 연구 보조금을 받았습니다. 다른 재무 공시는 보고되지 않았습니다.
신용 저자 진술
Mary G. Krauland: 개념화; 데이터 큐레이션 공식 분석; 조사; 방법론; 자원; 소프트웨어; 확인; 심상; 작문 - 원본 초안; 쓰기 - 검토 및 편집. David D. Galloway: 데이터 큐레이션; 조사; 방법론; 자원; 소프트웨어; 쓰기 - 검토 및 편집. Jonathan M. Raviotta: 데이터 큐레이션; 조사; 확인; 쓰기 - 검토 및 편집. Richard K. Zimmerman: 개념화; 데이터 큐레이션 공식 분석; 조사; 방법론; 확인; 쓰기 - 검토 및 편집. Mark S. Roberts: 개념화; 공식 분석; 자금조달 조사; 방법론; 프로젝트 관리 자원; 감독; 확인; 쓰기 - 검토 및 편집.
참조
1. Adlhoch C, Mook P, Lamb F 등. 2020/21 시즌, 40 2020주에서 8 2021주 동안 WHO 유럽 지역에서 인플루엔자가 거의 발생하지 않았습니다. 유로 감시. 2021;26(11):2100221.
2. Haapanen M, Renko M, Artama M, Kuitunen I. SARS-CoV-2 및 어린이의 기타 호흡기 감염 역학에 대한 학교 및 탁아소의 봉쇄 및 재개가 미치는 영향 - 전국 등록 핀란드 유학. EClinicalMedicine. 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. 전국 인플루엔자 중간 계절 보고서, 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 등. COVID-19 대유행 기간 동안 감소된 인플루엔자 활동 - 미국, 호주, 칠레 및 남아프리카, 2020. MMWR Morb Mortal Wkly Rep. 2020;69(37):1305–1309.
5. Partridge E, McCleery E, Cheema R, 외. 북부 캘리포니아의 주 전역 COVID-19 자택 대피령 전후 계절성 호흡기 바이러스 활동 평가. JAMA Netw 오픈. 2021;4(1):e2035281.
6. 2020-2021 독감 시즌 요약. 질병 통제 예방 센터. https://www.cdc.gov/flu/season/faq-flu-season-2020- 2021. 그를. 2021년 10월 25일에 업데이트됨. 2022년 1월 3일에 액세스함.
7. Ferdinands JM, Fry AM, Reynolds S, 외. Intraseason 쇠퇴하는 인플루엔자 백신 보호: US Influenza Vaccine Effectiveness Network, 2011-12에서 2014-15까지의 증거. Clin Infect Dis. 2017;64(5):544–550.
8. Ranjeva S, Subramanian R, Fang VJ 등. 인플루엔자에 대한 보호 면역 역학의 연령별 차이. Nat Commun. 2019;10(1):1660.
9. Kermack WO, McKendrick AG. 전염병의 수학적 이론에 대한 기여-I. 1927. Bull Math Biol. 1991;53(1−2):33–55.
10. Bootsma MC, 퍼거슨 NM. 미국 도시에서 1918년 유행성 독감에 대한 공중 보건 조치의 효과. Proc Natl Acad Sci US A.. 2007;104(18):7588–7593.
11. Chowell G, 암몬 CE, Hengartner NW, Hyman JM. 1918년 스위스 제네바에서 발생한 대규모 인플루엔자 대유행의 전파 역학: 가상 개입의 효과 평가. J Theor Biol. 2006;241(2):193–204.
12. Chowell G, Miller MA, Viboud C. 미국, 프랑스 및 호주의 계절성 인플루엔자: 통제를 위한 전송 및 전망. 에피데미올 감염. 2008;136(6):852–864.
13. Dushoff J, Plotkin JB, Levin SA, 적립 DJ. 동적 공명은 인플루엔자 전염병의 계절성을 설명할 수 있습니다. Proc Natl Acad Sci USA. 2004;101(48):16915–16916.
14. Ferguson NM, Cummings DA, Fraser C, Cajka JC, Cooley PC, Burke DS. 인플루엔자 대유행을 완화하기 위한 전략. 자연. 2006;442 (7101):448–452.
15. Mills CE, Robins JM, Lipsitch M. 1918년 대유행 인플루엔자의 전염성. 자연. 2004;432(7019):904–906. https://doi.org/10.1038/nature03063.
For more information:1950477648nn@gmail.com
