Estimating the Direct Impact of Influenza Vaccination and Vaccine-Averted Illnesses Using an Extended Static Compartmental Model

يُعد موسم الإنفلونزا إيقاعاً مألوفاً للصحة العامة، وهو وقت تنتشر فيه الفيروسات، ويصاب فيه الناس بالأمراض، ويعمل فيه مسؤولو الصحة على وقف انتشارها. ولعقود من الزمن، اعتمد العلماء على النماذج -وهي تمثيلات رياضية مبسطة للواقع- لفهم مدى فعالية اللقاحات. وتساعد هذه النماذج في الإجابة على سؤال بالغ الأهمية: كم عدد الأشخاص الذين يتم إنقاذهم بالفعل من المرض، أو دخول المستشفى، أو الموت بسبب تلقيهم الحقنة؟ كان التحدي دائماً يكمكم في أن العالم الحقيقي فوضوي؛ فالفيروسات تتغير، وأجسام الناس تنسى كيفية محاربتها بمرور الوقت، وفي بعض أجزاء العالم، لا تتبع الإنفلونزا جدولاً شتوياً منظماً بل تنتشر على مدار العام. كانت الأدوات القديمة المستخدمة لحساب هذه الفوائد غالباً ما تُصمم لموسم شتاء واحد في أماكن ذات طقس يمكن التنبؤ به، بافتراض أنه بمجرد تطعيم الشخص أو إصابته بالعدوى، فإنه سيظل محمياً طوال العام. وقد نجح هذا النهج جيداً في السيناريوهات البسيطة، لكنه واجه صعوبة في استيعاب الصورة الكاملة عندما تمتد حملات التطعيم عبر عدة سنوات أو عندما تضعف المناعة قبل نهاية الموسم.

قام فريق من الباحثين من مراكز السيطرة على الأمراض والوقاية منها في الولايات المتحدة ومنظمات صحية دولية الآن بتحديث أداة النمذجة هذه لتعكس واقعاً أكثر تعقيداً. فقد قاموا بتوسيع نموذج ثابت -يتتبع عدد الأشلو الذين ينتقلون بين كونهم أصحاء، أو مرضى، أو محميين- للتعامل مع مواسم إنفلونزا متعددة في آن واحد. والأهم من ذلك، أنهم أضافوا القدرة على مراعاة تضاؤل المناعة، مما يعني أن الحماية التي يوفرها اللقاح لا تدوم للأبد، بل تتلاشى تدريجياً، تماماً كما قد تتلاشى الذاكرة بمرور الوقت. كما سمحوا للنموذج بالتمييز بين مدى فعالية اللقاح في منع السعال الخفيف مقابل المرض الشديد الذي يتطلب دخول المستشفى، وأضافوا القدرة على حساب الوفيات التي تم تجنبها. ومن خلال بناء هذه الميزات في أداة "جدول بيانات" سهلة الاستخدام، هدف الباحثون إلى منح مسؤولي الصحة العامة في أي بلد القدرة على إجراء عمليات المحاكاة الخاصة بهم باستخدام البيانات المحلية، دون الحاجة إلى أن يكونوا خبراء في الرياضيات المعقدة.

ولاختبار هذا الإطار الجديد، أنشأ الباحثون سيناريوهين اصطناعيين، وهما بمثابة مختبرات رقمية حيث يمكنهم التحكم في كل متغير. في السيناريو الأول، قاموا بمحاكاة منطقة ذات موسم إنفلونزا نموذجي في نصف الكرة الشمالي، حيث تبلغ النشاط ذروته في الشتاء وتعمل برامج التطعيم سنوياً. وافترضوا وجود برنامج قائم حيث يتلقى حوالي ثلث عدد البالغين المسنين اللقاح كل عام. وأظهر النموذج أنه خلال أربعة مواسم، منع هذا البرنامج حوالي 15 بالمائة من جميع حالات الإنفلونزا المرتبطة بالمرض. وبالنسبة للنتائج الأكثر خطورة، مثل حالات دخول المستشفى والوفيات، كانت نسبة الوقاية أعلى، حيث تراوحت بين 14 و18 بالمائة تقريباً. كما حسبت الأداة عدد الأشخاص الذين يحتاجون إلى التطعيم لمنع حالة مرض واحدة، وهو رقم اختلف باختلاف المواسم ولكنه وقع عموماً بين 62 و110 أشخاص. وقد أثبت ذلك أن النموذج يمكنه قياس قيمة حملة تطعيم موسمية معيارية بدقة.

استكشف السيناريو الثاني بيئة أكثر تحدياً: مكان تنتشر فيه الإنفلونسا على مدار العام ولا يوجد فيه برنامج تطعيم حالي. هنا، قام الباحثون بمحاكاة برنامج افتراضي حيث يتم تطعيم 20 بالمائة من السكان بشكل متساوٍ طوال العام. وفي هذا الإعداد، قدر النموذج أن البرنامج سيمنع حوالي 5 بالمائة من حالات الإنفلونزا على مدار أربع سنوات. ورغم أن هذه النسبة أقل مما هي عليه في المثال الموسمي، إلا أنها تعكس واقع الانتشار الفيروسي المستمر وانخفاض التغطية. استخدم الباحثون هذا السيناريو لاختبار استراتيجيات مختلفة، مثل تغيير توقيت طرح اللقاح. ووجدوا أن بدء حملة قبل شهر واحد في إعداد موسمي يمكن أن يمنع 6 بالمائة إضافية من حالات المرض، بينما يمكن لمواءمة حملة سنوية مع ذروات موسمية محددة أن ترفع نسبة الوقاية بأكثر من 20 بالمائة. وسلطت عمليات المحاكاة هذه الضوء على أن توقيت طرح اللقاح أمر مهم للغاية، وأن الأداة الجديدة تسمح للمسؤولين بإيجاد الجدول الزمني الأمثل لمنطقتهم الخاصة.

ولضمان موثوقية نموذجهم الجديد، قارن الباحثون مخرجاتهم بالبيانات الواقعية من الولايات المتحدة خلال موسمي الإنفلونزا 2017-2018 و2018-2019. فقد قاموا بتشغيل النموذج باستخدام معدلات دخول المستشفى الفعلية، وتغطية التطعيم، وبيانات فعالية اللقاح من تلك السنوات. وكانت النتائج متسقة إلى حد كبير مع التقديرات المنشورة سابقاً، حيث وقعت تنبؤات النموذج الجديد ضمن نطاقات عدم اليقين المتوقعة. وفي بعض الحالات، توقع النموذج الذي يأخذ في الاعتبار تضاؤل المناعة أعداداً أعلى قليلاً من الحالات التي تم تجنبها مقارنة بالنماذج القديمة، ويرجع ذلك على الأرجح إلى كونه رصد مستويات الحماية العالية فور التطعيم قبل أن يبدأ التأثير في التلاشي. وقد أعطى هذا التحقق للباحثين الثقة في إمكانية استخدام الأداة لتوليد تقديرات موثوقة للدول التي لا تملك الوصول إلى فرق نمذجة متخصصة.

إن الهدف النهائي من هذا العمل ليس مجرد إنتاج أرقام، بل هو تمكين صناع القرار. ومن خلال ترجمة المفاهيم الوبائية المعقدة إلى جدول بيانات شفاف، قدم الباحثون وسيلة للبرامج الصحية الوطنية لتصور التأثير المباشر لجهودها. وتسمح الأداة للمسؤولين بطرح أسئلة "ماذا لو": ماذا لو زدنا التغطية؟ ماذا لو غيرنا التوقيت؟ ماذا لو كان اللقاح يعمل بشكل أفضل ضد الأمراض الشديدة منه ضد الأمراض الخفيفة؟ يشير النموذج إلى أنه حتى في البيئات التي تنتشر فيها الإنفلونزا على مدار العام، يمكن لاستراتيجيات التطعيم المستهدفة أن تحدث فرقاً ملموساً في تقليل المرض وإنقاذ الأرواح. وبينما تركز الأداة على الحماية المباشرة للأفراد الملقحين ولا تأخذ في الاعتبار الفوائد غير المباشرة لمناعة القطيع، فإنها تقدم أساساً واضحاً وقائماً على الأدلة للتخطيط لبرامج التطعيم ضد الإنفلونزا وتقييمها. وفي عالم غالباً ما تكون فيه الموارد الصحية محدودة، فإن امتلاك وسيلة موثوقة لقياس العائد على الاستثمار في التطعيم يعد خطوة حيوية نحو حماية المجتمعات.