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

독감 시즌은 공중 보건의 익숙한 리듬으로, 바이러스가 순환하고 사람들이 병에 걸리며 보건 당국이 확산을 막기 위해 노력하는 시기입니다. 수십 년 동안 과학자들은 백신이 얼마나 효과적인지 이해하기 위해 현실을 단순화하여 수학적으로 표현한 모델에 의존해 왔습니다. 이러한 모델은 백신 접종을 통해 실제로 얼마나 많은 사람이 질병, 입원 또는 사망으로부터 구제되는지에 대한 중요한 질문에 답하는 데 도움을 줍니다. 문제는 현실 세계는 매우 복잡하다는 점이었습니다. 바이러스는 변하고, 사람의 신체는 시간이 지나면서 바이러스를 퇴치하는 능력을 잊기도 하며, 세계 일부 지역에서는 독감이 정해진 겨울철 일정에 따라 움직이지 않고 연중 내내 순환하기도 합니다. 이러한 혜택을 계산하기 위해 사용되었던 기존의 도구들은 종-종 예측 가능한 날씨를 가진 지역의 단일 겨울 시즌을 위해 설계되었으며, 일단 예방 접종을 받거나 감염되면 일 년 내내 보호 상태가 유지된다고 가정했습니다. 이러한 방식은 단순한 시나리오에는 잘 작동했지만, 백신 접종 캠페인이 여러 해에 걸쳐 진행되거나 면역력이 시즌이 끝나기 전에 약해지는 경우 전체적인 그림을 포착하는 데 어려움을 겪었습니다.

미국 질병통제예방센터(CDC)와 국제 보건 기구의 연구진은 이제 더 복잡한 현실을 반영하도록 이 모델링 도구를 업데이트했습니다. 그들은 건강한 상태, 아픈 상태, 또는 보호받는 상태 사이를 이동하는 경로를 추적하는 정적 모델을 확장하여, 여러 번의 독감 시즌을 동시에 처리할 수 있도록 했습니다. 결정적으로, 그들은 면역력 저하(waning immunity)를 고려할 수 있는 기능을 추가했는데, 이는 백신이 제공하는 보호 효과가 영원히 지속되지 않고 마치 기억이 시간이 흐름에 따라 희미해지는 것처럼 점차 약해진다는 것을 의미합니다. 또한 그들은 모델이 가벼운 기침을 예방하는 능력과 입원이 필요한 중증 질환을 예방하는 능력을 구분할 수 있도록 했으며, 예방된 사망자 수를 계산하는 기능도 추가했습니다. 연구진은 이러한 기능들을 사용하기 쉬운 스프레드시트 도구로 구축함으로써, 복잡한 수학 전문가가 아니더라도 전 세계 어느 국가의 보건 당국이라도 현지 데이터를 사용하여 직접 시뮬레이션을 실행할 수 있는 힘을 실어주고자 했습니다.

이 새로운 프레임워크를 테스트하기 위해 연구진은 모든 변수를 통제할 수 있는 디지털 실험실인 두 가지 합성 시나리오를 만들었습니다. 첫 번째 시나리오에서는 활동이 겨울에 정점에 달하고 매년 백신 접종 프로그램이 운영되는 전형적인 북반구 독감 시즌을 가진 지역을 시뮬레이션했습니다. 그들은 노인 인구의 약 3분의 1이 매년 백신을 접종받는 기존 프로그램을 가정했습니다. 모델 결과, 이 프로그램은 4개 시즌 동안 독감 관련 질환의 약 15%를 예방했습니다. 입원이나 사망과 같은 가장 심각한 결과에 대해서는 예방률이 약 14%에서 18% 사이로 훨씬 더 높았습니다. 또한 이 도구는 한 건의 질병 사례를 예방하기 위해 몇 명을 접종해야 하는지도 계산했는데, 이 수치는 시즌마다 달랐으나 일반적으로 62명에서 110명 사이였습니다. 이는 모델이 표준적인 계절적 백신 접종 캠페인의 가치를 정확하게 정량화할 수 있음을 보여주었습니다.

두 번째 시나리오는 더 까다로운 환경, 즉 독감이 연중 내내 순할하며 현재 백신 접종 프로그램이 존재하지 않는 곳을 탐구했습니다. 여기서 연구진은 인구의 20%가 연중 균등하게 백신을 접종받는 가상의 프로그램을 시뮬레이션했습니다. 이 설정에서는 프로그램이 4년 동안 독감 질환의 약 5%를 예방할 것으로 추정되었습니다. 이 백분율은 계절적 예시보다 낮지만, 이는 지속적인 바이러스 순환과 낮은 접종률이라는 현실을 반영합니다. 연구진은 이 시나리오를 사용하여 백신 도입 시기를 조정하는 등의 다양한 전략을 테스트했습니다. 그들은 계절적 환경에서 캠페인을 한 달 일찍 시작하면 질병을 6% 추가로 예방할 수 있는 반면, 연중 캠페인을 특정 계절적 정점과 일치시키면 예방 효과를 20% 이상 높일 수 있다는 것을 발견했습니다. 이러한 시뮬레이션은 백신 도입 시기가 매우 중요하다는 점을 강조했으며, 이 새로운 도구를 통해 관계 당국은 특정 지역에 최적화된 일정을 찾을 수 있습니다.

새로운 모델의 신뢰성을 확보하기 위해 연구진은 미국에서 발생한 2017-2018 및 2018-2019 독감 시즌의 실제 데이터와 모델의 출력을 비교했습니다. 그들은 실제 입원율, 백신 접종률 및 백신 효과 데이터를 사용하여 모델을 실행했습니다. 결과는 이전에 발표된 추정치들과 대체로 일치했으며, 새 모델의 예측치는 예상되는 불확실성 범위 내에 있었습니다. 면역력 저하를 고려한 모델이 기존 모델보다 예방된 사례 수를 약간 더 높게 예측한 경우가 있었는데, 이는 아마도 효과가 떨어지기 전의 높은 보호 수준을 포착했기 때문일 것입니다. 이러한 검증을 통해 연구진은 전문적인 모델링 팀을 보유하지 않은 국가에서도 이 도구가 신뢰할 수 있는 추정치를 생성하는 데 사용될 수 있다는 확신을 얻었습니다.

이 작업의 궁극적인 목표는 단순히 숫자를 만들어내는 것이 아니라 의사 결정권자들에게 힘을 실어주는 것입니다. 복잡한 역학적 개념을 투명한 스프레드시트로 변환함으로써, 연구진은 국가 보건 프로그램이 자신들의 노력에 따른 직접적인 영향을 시각화할 수 있는 방법을 제공했습니다. 이 도구를 통해 관계 당국은 "만약 ~한다면?"이라는 질문을 던질 수 있습니다. "만약 접종률을 높인다면?", "만약 시기를 변경한다면?", "만 만약 백신이 경증 질환보다 중증 질환에 더 효과적이라면?" 모델은 연중 독감이 발생하는 환경에서도 표적 백신 전략이 질병을 줄이고 생명을 구하는 데 측정 가능한 차이를 만들 수 있음을 시사합니다. 이 도구는 접종자의 직접적인 보호에 초점을 맞추고 있으며 집단 면역의 간접적인 이득은 고려하지 않지만, 독감 백신 프로그램을 계획하고 평가하기 위한 명확하고 증거 기반의 토대를 제공합니다. 보건 자원이 제한적인 세상에서, 백신 접종에 대한 투자 대비 효율을 측정할 수 있는 신뢰할 수 있는 방법을 갖는 것은 공동체를 보호하기 위한 필수적인 단계입니다.