Matematik kan forbedre influenzavaccinen, siger eksperter

Matematisk modellering kan forbedre influenzavaccinens effektivitet, ifølge eksperter ved Rice University - hvor en sådan model har eksisteret i mere end 15 år - og dets Baker Institute for Public Policy.

Michael Deem, John W. Cox professor i biokemisk og genteknologi ved Rice; Melia Bonomo, en ph.d. kandidat i fysik og astronomi ved universitetet; og Kirstin Matthews, en fellow i videnskabs- og teknologipolitik i Center for Sundhed og Biovidenskab ved Baker Institute, skitserede deres indsigt i en ny policy brief, "Forbedring af effektiviteten af ​​den årlige influenzavaccine."

Sæsonbestemt influenza (influenza) forårsager så mange som 49 millioner sygdomme og 79, 000 dødsfald i USA årligt siden 2010. For at bekæmpe dens indvirkning, Centers for Disease Control and Prevention (CDC) anbefaler alle raske børn og voksne at få en influenzavaccination hvert år. I 2017-18 58 procent af raske børn (6 måneder til 17 år) og kun 37 procent af voksne fik vaccinen. Cirka 80 procent af pædiatriske dødsfald som følge af influenza i løbet af den sæson var børn, der var uvaccinerede.

"At udvikle en vaccine i tide til begyndelsen af ​​influenzasæsonen i efteråret, forskere skal starte i begyndelsen af ​​januar, " skrev forfatterne. "Den nuværende metode, som CDC bruger, involverer videnskabsmænd, der vaccinerer fritter med flere vaccinekandidater. De ekstraherer derefter antistofferne fra fritterne for at vurdere, hvilken vaccine der var den mest effektive mod de dominerende vira fra den foregående influenzasæson. Denne metode har været brugt i næsten 50 år. Imidlertid, det har vist sig at være inkonsekvent med hensyn til at forudsige, hvor godt vaccinerne ville fungere hos mennesker, især med de seneste, hurtigt muterende A(H3N2) vira. Derudover eksperimenter med fritter er tidskrævende og dyre."

Derimod matematiske modeller, inklusive en model udviklet hos Rice for mere end 15 år siden, tillade videnskabsmænd at beregne, hvor godt influenzavaccinen matcher de inficerende vira. Ris modellen, kaldet pEpitope, estimerer vaccinens effektivitet, og det har vist sig at virke godt mod influenza A(H3N2), A(H1N1)- og B-vacciner. For influenzasæsonen 2018-19, Risforskere forudsiger, at vaccinen vil være mellem 20 og 40 procent effektiv mod størstedelen af ​​A(H3N2)-vira.

"Folkesundhedsforskere er ofte langsomme til at ændre sig, " skrev forfatterne. "På trods af det faktum, at Rices pEpitope-model har eksisteret i mere end 15 år, det er uklart, hvorfor CDC endnu ikke har udnyttet det til at udvikle deres sæsonbestemte influenzavaccine. Tilføjelse af en sådan model til de allerede eksisterende ilderforsøg vil forbedre den nuværende vaccinationsbeslutningsproces.

"Denne matematiske modelleringsteknik kan hurtigt indsnævre de vira, der ville være gode kandidater til vaccinen i en bestemt influenzasæson, " fortsatte de. "Det kan tjene som en kontrol for at sikre, at vaccinevirussen ikke muterer under fremstillingsprocessen. pEpitope-modellen er også billig, da det ikke kræver noget specialudstyr. Endelig, det er ekstremt hurtigt, tager blot et par sekunder at analysere den potentielle effektivitet af en vaccine mod tusindvis af inficerende vira i en bestemt geografisk region."

Forfatterne sagde, at CDC skulle styrke sine nuværende protokoller for valg af vaccinekandidater ved at bruge alle tilgængelige forudsigelsesmodeller. "Dette vil forbedre den samlede influenzavaccine effektivitet og potentielt også dækningsgraden, " skrev de. "Forskere håber, at med forbedret effektivitet, de vil også være i stand til at forbedre vaccinedækningen, som stadig følger efter CDC's Healthy People 2020-mål på 70 procent. I betragtning af vanskeligheden ved at producere effektive vacciner og det generelle klima af offentlig mistillid til immunisering, dette arbejde har potentialet til at forbedre udvælgelse og uddannelse af vaccinestammer ved at levere et værktøj, der er tilgængeligt for både forskere og borgerforskere."