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

La stagione influenzale è un ritmo familiare della salute pubblica, un periodo in cui i virus circolano, le persone si ammalano e le autorità sanitarie lavorano per fermare la diffusione. Per decenni, gli scienziati si sono affidati ai modelli — rappresentazioni matematiche semplificate della realtà — per capire quanto bene funzionino i vaccini. Questi modelli aiutano a rispondere a una domanda critica: quante persone vengono effettivamente salvate dal contrarre l'influenza, dal finire in ospedale o dal morire grazie a una dose? La sfida è sempre stata il fatto che il mondo reale è disordinato. I virus cambiano, i corpi delle persone dimenticano come combatterli nel tempo e, in alcune parti del mondo, l'influenza non segue un regolare programma invernale ma circola tutto l'anno. Gli strumenti più vecchi utilizzati per calcolare questi benefici erano spesso progettati per una singola stagione invernale in luoghi con un clima prevedibile, assumendo che una volta che una persona fosse stata vaccinata o infettata, sarebbe rimasta protetta per l'intero anno. Questo approccio funzionava bene per scenari semplici, ma faticava a catturare l'immagine completa quando le campagne di vaccinazione si estendevano su più anni o quando l'immunità svaniva prima della fine della stagione.

Un team di ricercatori dei CDC degli Stati Uniti e di organizzazioni sanitarie internazionali ha ora aggiornato questo strumento di modellazione per riflettere una realtà più complessa. Hanno esteso un modello statico, che traccia quante persone si spostano tra l'essere sane, malate o protette, per gestire più stagioni influenzali contemporaneamente. Fondamentalmente, hanno aggiunto la capacità di tenere conto dell'immunità che svanisce, il che significa che la protezione offerta da un vaccino non dura per sempre ma svanisce gradualmente, proprio come un ricordo può svanire nel tempo. Hanno inoltre permesso al modello di distinguere tra l'efficacia del vaccino nel prevenire una tosse lieve rispetto a una malattia grave che richiede l'ospedalizzazione, e hanno aggiunto la capacità di contare i decessi evitati. Costruendo queste caratteristiche in uno strumento a foglio di calcolo facile da usare, i ricercatori hanno mirato a dare alle autorità sanitarie di qualsiasi paese il potere di eseguire le proprie simulazioni utilizzando dati locali, senza la necessità di essere esperti in matematica complessa.

Per testare questo nuovo quadro, i ricercatori hanno creato due scenari sintetici, essenzialmente laboratori digitali in cui potevano controllare ogni variabile. Nel primo scenario, hanno simulato una tipica stagione influenzale dell'emisfero settentrionale, in cui l'attività raggiunge il picco in inverno e i programmi di vaccinazione si svolgono annualmente. Hanno ipotizzato un programma esistente in cui circa un terzo della popolazione anziana riceveva un vaccino ogni anno. Il modello ha mostrato che, in quattro stagioni, questo programma ha prevenuto circa il 15 percento di tutte le malattie legate all'influenza. Per gli esiti più gravi, come ospedalizzazioni e decessi, il tasso di prevenzione è stato ancora più alto, oscillando tra circa il 14 e il 18 percento. Lo strumento ha anche calcolato quante persone dovevano essere vaccinate per prevenire un singolo caso di malattia, un dato che variava a seconda della stagione ma che generalmente si attestava tra le 62 e le 110 persone. Ciò ha dimostrato che il modello poteva quantificare accuratamente il valore di una normale campagna di vaccinazione stagionale.

Il secondo scenario ha esplorato un ambiente più impegnativo: un luogo in cui l'influenza circola tutto l'anno e non esiste attualmente un programma di vaccinazione. In questo contesto, i ricercatori hanno simulato un ipotetico programma in cui il 20 percento della popolazione veniva vaccinato uniformemente durante tutto l'anno. In questa impostazione, il modello ha stimato che il programma avrebbe prevenuto circa il 5 percento delle malattie influenzali in quattro anni. Sebbene questa percentuale sia inferiore rispetto all'esempio stagionale, essa riflette la realtà della circolazione virale costante e di una copertura inferiore. I ricercatori hanno utilizzato questo scenario per testare diverse strategie, come lo spostamento della tempistica della distribuzione del vaccino. Hanno scoperto che iniziare una campagna un mese prima in un contesto stagionale poteva prevenire un ulteriore 6 percento delle malattie, mentre allineare una campagna annuale con specifici picchi stagionali poteva aumentare la prevenzione di oltre il 20 percento. Queste simulazioni hanno evidenziato che la tempistica della distribuzione di un vaccino è molto importante, e il nuovo strumento consente alle autorità di trovare il programma ottimale per la propria regione specifica.

Per garantire che il loro nuovo modello fosse affidabile, i ricercatori hanno confrontato i loro risultati con i dati reali degli Stati Uniti durante le stagioni influenzali 2017–2018 e 2018–2019. Hanno eseguito il modello utilizzando i tassi di ospedalizzazione effettivi, la copertura vaccinale e i dati sull'efficacia del vaccino di quegli anni. I risultati sono stati ampiamente coerenti con le stime precedentemente pubblicate, con le previsioni del nuovo modello che rientravano nei range attesi di incertezza. In alcuni casi, il modello che teneva conto della perdita di immunità ha previsto un numero leggermente superiore di casi prevenuti rispetto ai modelli precedenti, probabilmente perché ha catturato gli alti livelli di protezione immediatamente dopo la vaccinazione, prima che l'effetto iniziasse a diminuire. Questa validazione ha dato ai ricercatori la fiducia che lo strumento potesse essere utilizzato per generare stime affidabili per i paesi che non hanno accesso a team di modellazione specializzati.

L'obiettivo ultimo di questo lavoro non è solo produrre numeri, ma potenziare i decisori. Traducendo concetti epidemiologici complessi in un foglio di calcolo trasparente, i ricercatori hanno fornito un modo per rendere visibile l'impatto diretto delle loro attività. Lo strumento permette ai funzionari di porsi domande del tipo "cosa succederebbe se": Cosa succederebbe se aumentassimo la copertura? Cosa succederebbe se cambiassimo la tempistica? Cosa succederebbe se il vaccino funzionasse meglio contro la malattia grave rispetto alla malattia lieve? Il modello suggerisce che anche in contesti con influenza tutto l'anno, strategie di vaccinazione mirate possono fare una differenza misurabile nella riduzione delle malattie e nel salvare vite. Sebbene lo strumento si concentri sulla protezione diretta degli individui vaccinati e non tenga conto dei benefici indiretti dell'immunità di gregge, esso offre una base chiara ed evidence-based per la pianificazione e la valutazione dei programmi di vaccinazione antinfluenzale. In un mondo in cui le risorse sanitarie sono spesso limitate, avere un modo affidabile per misurare il ritorno sull'investimento della vaccinazione è un passo vitale verso la protezione delle comunità.