Understanding RSV Resurgence Following COVID-19 in Ontario, Canada: Evaluating the Roles of Contact Patterns and Maternal Immunity

Resumen Técnico: Comprensión del resurgimiento del VRS tras la COVID-19 en Ontario, Canadá

Planteamiento del problema
El virus respiratorio sincitial (VRS) sigue siendo una de las principales causas de hospitalización infantil, aunque la modelización de su dinámica de transmisión es compleja debido a la interacción entre la transmisión a nivel poblacional y la inmunidad materna pasiva. Los lactantes, particularmente en sus primeros meses, dependen de los anticuerpos derivados de la madre para su protección. La pandemia de COVID-19 introdujo una perturbación significativa en la circulación del VRS mediante intervenciones no farmacológicas (INF), que suprimieron la transmisión viral y potencialmente redujeron las oportunidades de refuerzo de la inmunidad materna. Esto creó un experimento natural para investigar si la interrupción de la inmunidad materna, junto con los cambios en los patrones de contacto, impulsó los patrones atípicos de resurgimiento del VRS observados en lactantes tras la pandemia. El estudio tuvo como objetivo determinar si la incorporación de la inmunidad materna variable en el tiempo en un modelo de transmisión estructurado por edad mejora la precisión al predecir los patrones de hospitalización por VRS en lactantes post-pandemia en comparación con un modelo que depende únicamente de las tasas de contacto variables en el tiempo.

Metodología
Los investigadores utilizaron datos de hospitalización de base poblacional para lactantes (<1 año) en Ontario, Canadá, desde el 2 de julio de 2017 hasta el 25 de junio de 2024. Los datos se derivaron de bases de datos administrativas vinculadas (CIHI-DAD y RPDB) y se definieron mediante códigos ICD-10 específicos para afecciones relacionadas con el VRS.

Se desarrolló un modelo compartimental determinista y estructurado por edad con siete clases de edad (<1, 1–<2, 2–<5, 5–<20, 20–<50, 50–<65 y ≥65 años). El modelo incluyó compartimentos para la inmunidad derivada de la madre (M), la susceptibilidad primaria (S1), la infección primaria latente e infecciosa (E1, I1), la inmunidad temporal (R) y la susceptibilidad a infecciones subsecuentes (S2, E2, I2).

Se calibraron y compararon dos especificaciones del modelo:

1. Inmunidad Materna Constante: Incorporó multiplicadores de la tasa de contacto específicos por edad y variables en el tiempo para reflear las INF de la pandemia y los periodos de recuperación, pero asumió una proporción fija de recién nacidos que ingresan al compartimento de inmunidad materna.
2. Inmunidad Materna Variable en el Tiempo: Incluyó los mismos multiplicadores de la tasa de contacto, pero añadió una función dinámica para la inmunidad materna. Esta función redujo la proporción de recién nacidos protegidos tras la temporada suprimida de 2020/21, permitiendo una recuperación parcial durante la recirculación de 2021/22 y un retorno al nivel basal tras el resurgimiento de 2022/23.

El modelo se calibró utilizando el muestreo de hipercubo latino (10,000 conjuntos de parámetros) frente a los datos pre-pandémicos (2017–2020). Se retuvo el 1% superior de los conjuntos de parámetros basados en una verosimilitud de Poisson conjunta para formar un conjunto para la validación. El rendimiento del modelo se evaluó frente a los datos observados post-pandemia (2020–2024) utilizando tres métricas: trayectorias semanales de ingresos, cronología del pico epidémico y magnitud del pico.

Resultados clave

• Calibración Pre-Pandemia: Ambas especificaciones del modelo reprodujeron con precisión la estacionalidad basal, la cronología de los picos y las magnitudes de los ingresos para las temporadas 2017/18 a 2019/20.
• Resurgimiento Post-Pandemia (2021/22 y 2022/23): Ambos modelos capturaron con éxito la ausencia casi total de VRS en 2021/22 y el aumento masivo en 2022/23. La especificación de inmunidad materna constante demostró una precisión ligeramente superior al capturar la magnitud del pico de 2021/22 en comparación con la especificación de inmunidad variable en el tiempo, aunque ambas estimaciones se situaron dentro de los intervalos de credibilidad del 95% de los datos observados.
• Fallo de la Temporada 2023/24: Ninguna de las especificaciones del modelo pudo capturar con precisión la temporada 2023/24. Ambos modelos subestimaron la magnitud del pico y predijeron incorrectamente un momento de pico más tardío (enero) en comparación con el pico temprano observado (19 de noviembre).
• Comparación de Modelos: La inclusión de la inmunidad materna variable en el tiempo no mejoró la precisión general del modelo para los patrones de hospitalización post-pandemia. Las trayectorias generadas por ambas especificaciones fueron virtualmente indistinguibles para los lactantes y las cohortes de mayor edad.

Significado y Conclusiones
El estudio concluye que, si bien la inmunidad materna es un factor biológico crítico para la protección de los lactantes, la incorporación de una función simple de inmunidad materna variable en el tiempo no mejoró la capacidad del modelo para reproducir los patrones de hospitalización por VRS post-pandemia. El principal motor de la dinámica de resurgimiento observada parece ser los cambios en los patrones de contacto a nivel poblacional, más que los cambios en la inmunidad pasiva por sí solos.

Los autores enfatizan que el fallo de ambos modelos para capturar la temporada 2023/24 sugiere que los mecanismos específicos de los lactantes (ya sean de contacto o de inmunidad) son insuficientes para explicar toda la complejidad de la dinámica del VRS post-pandemia. Los resultados indican que la cronología e intensidad de la epidemia están gobernadas por redes de transmisión más amplias, particularmente aquellas que involucran a niños en edad preescolar y escolar, quienes actúan como amplificadores pero están subrepresentados en la vigilancia de enfermedades graves.

El artículo afirma que, si bien los modelos parsimoniosos con parámetros fijos pueden replicar datos históricos, la representación explícita de la inmunidad pasiva sigue siendo esencial para evaluar nuevas intervenciones, como las vacunas maternas y los anticuerpos monoclonales. Sin embargo, para predecir con precisión los efectos indirectos y los cambios en la cronología de las epidemias en el panorama actual de salud pública, los marcos de modelización deben trascender los límites de las cohortes de una sola edad e integrar datos de vigilancia robustos y multi-edad.