🧬 biology

When to Boost: How Dose Timing Determines the Epidemic Threshold

Dit onderzoek toont aan dat het optimaliseren van het tijdstip en de prioritering tussen eerste en tweede vaccinedoses de epidemische drempel kan verschuiven, waardoor de overgang van een endemische naar een ziektevrije toestand mogelijk wordt.

Oorspronkelijke auteurs: Alessandro Celestini, Francesca Colaiori, Stefano Guarino, Enrico Mastrostefano, Francesca Pelusi, Lena Rebecca Zastrow

Gepubliceerd 2026-04-16

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Alessandro Celestini, Francesca Colaiori, Stefano Guarino, Enrico Mastrostefano, Francesca Pelusi, Lena Rebecca Zastrow

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

De Grootte van de Schaar en de Snelheid van de Bakker

Stel je voor dat een ziekte (zoals griep of corona) een vuur is dat door een bos (de bevolking) woedt. Vaccins zijn als bluswater. Maar er is een probleem: het eerste spurtje water (de eerste dosis) dooft het vuur alleen maar een beetje. Het maakt de bomen wat minder brandbaar, maar ze kunnen nog steeds vlam vatten. Pas als je een tweede, krachtige spurt geeft (de tweede dosis/booster), wordt het water echt effectief en houden de bomen het vuur langdurig tegen.

De vraag die deze onderzoekers zich stellen, is heel praktisch: Als je maar een beperkte hoeveelheid bluswater hebt, hoe verdel je het dan het slimst?

Moet je eerst alle bomen een klein beetje nat maken (eerste dosis aan iedereen) en wachten tot je meer water hebt voor de tweede dosis? Of moet je wachten tot je genoeg water hebt om een paar bomen volledig te beschermen (twee doses aan een paar mensen)?

De Twee Strategieën

De onderzoekers hebben ontdekt dat het antwoord afhangt van hoe snel je het water kunt ophalen (de vaccinatiesnelheid).

1. De "Schaar" (Langzame vaccinatiesnelheid)
Stel je voor dat je bluswater heel langzaam uit een kraan komt. Je hebt niet genoeg om iedereen twee keer nat te maken.

De slimme zet: Geef eerst aan iedereen een klein beetje water (eerste dosis).
Waarom? Zelfs een beetje water helpt. Als je wacht om een paar bomen volledig te beschermen, blijven de rest van het bos droog en brandt het daar. Door eerst iedereen een beetje te beschermen, verklein je het totale aantal bomen dat kan branden. Het is beter om 100 bomen half-nat te hebben dan 10 bomen helemaal nat en 90 droog.
Conclusie: Bij een lage vaccinatiesnelheid is het beste plan: Eerst iedereen een eerste dosis geven.

2. De "Snelheid" (Hoge vaccinatiesnelheid)
Stel je voor dat je een enorme brandbluswagen hebt die razendsnel water kan spuiten. Je kunt iedereen snel twee keer nat maken.

De slimme zet: Hier werkt "wie het eerst komt, het eerst maalt" (eerst de eerste dosis, dan pas de tweede) niet meer optimaal. Als je te lang wacht met de tweede dosis, zijn de mensen die al een eerste dosis kregen misschien al weer "droog" geworden (immuuniteit neemt af) voordat ze de tweede dosis krijgen.
Waarom? Je moet de timing precies afstemmen. Je wilt mensen niet te lang in de "half-nat" fase laten hangen, want daar zijn ze nog kwetsbaar. Je moet ze zo snel mogelijk de "volledige bescherming" geven.
Conclusie: Bij een hoge vaccinatiesnelheid is het beste plan: Een precies afgestemde timing tussen de eerste en tweede dosis. Soms betekent dit dat je de tweede dosis iets eerder geeft dan je misschien denkt, zodat de bescherming niet verzwakt voordat de boosters komen.

De "Gouden Tussenweg"

De onderzoekers hebben een wiskundige formule bedacht die precies aangeeft waar de grens ligt.

Is de vaccinatiesnelheid onder deze grens? -> Geef prioriteit aan de eerste dosis voor iedereen.
Is de vaccinatiesnelheid boven deze grens? -> Gebruik een slimme planning waarbij je de tweede dosis op het perfecte moment geeft.

Ze noemen dit de epidemische drempel. Als je de timing van de vaccins goed instelt, kun je deze drempel verschuiven. Het is alsof je de brandweerman niet alleen sneller laat werken, maar ook de brandweerauto zo instelt dat hij het vuur voordat het uitbreekt, al kan blussen.

Waarom is dit belangrijk?

Tijdens de coronapandemie zagen we verschillende landen verschillende keuzes maken:

Het VK en Canada kozen voor de "Schaar-strategie": Eerst zoveel mogelijk mensen een eerste dosis geven, en de tweede dosis later geven. Dit werkte goed omdat de leveringen beperkt waren.
Andere landen hielden zich strikt aan de fabrieksaanbeveling (bijv. 3 of 4 weken tussen de doses), wat soms betekende dat mensen te lang in de kwetsbare fase zaten.

Dit onderzoek laat zien dat er geen "één maat voor iedereen" is. Het hangt af van hoeveel vaccins je per dag kunt toedienen.

Samenvatting in één zin

Als je weinig vaccins hebt, geef dan eerst aan iedereen een eerste dosis; als je veel vaccins hebt, zorg dan voor de perfecte timing tussen de eerste en tweede dosis om het virus het snelst te verslaan.

De onderzoekers zeggen eigenlijk: Het is niet alleen belangrijk hoeveel je vaccinat, maar vooral wanneer je de tweede dosis geeft. Die timing kan het verschil maken tussen een ziekte die verdwijnt en een ziekte die blijft woeden.

Probleemstelling

De meeste vaccins vereisen meerdere doses: een eerste dosis om immuniteit op te wekken en een booster (tweede dosis) om de respons te versterken en optimale bescherming te garanderen. Tijdens de SARS-CoV-2-pandemie ontstond er een strategisch dilemma: moeten vaccins direct worden toegediend aan iedereen (eerste-dosis prioriteit) om zo snel mogelijk de kwetsbare populatie te beschermen, of moet de interval tussen de eerste en tweede dosis worden verlengd om de bescherming van individuen die al een dosis hebben gekregen, te maximaliseren?

De auteurs stellen dat de timing van deze doses de epidemische drempel (de kritieke transmissiewaarde waarbij een ziekte uitbreekt of uitdooft) beïnvloedt. Er is een fundamenteel conflict tussen het maximaliseren van de dekking van de eerste dosis (die slechts gedeeltelijke immuniteit biedt) en het snel toedienen van de booster (die langdurige immuniteit biedt). Het doel van het onderzoek is om de optimale prioriteringsstrategie te vinden die de epidemische drempel maximaliseert, waardoor de kans op een endemische staat (permanente aanwezigheid van de ziekte) wordt geminimaliseerd.

Methodologie

De auteurs gebruiken een combinatie van theoretische modellering en agent-based simulaties:

Het S3I2 Model:
Ze ontwikkelen een veralgemeend compartimenteel model (S3I2) dat vijf toestanden voor individuen onderscheidt:
- Drie vatbare toestanden: $S_0$ (naïef), $S_1$ (gedeeltelijk immuniteit na eerste dosis/natuurlijke infectie), en $S_2$ (versterkte immuniteit na booster).
- Twee infectieuze toestanden: $I_1$ en $I_2$ (respectievelijk corresponderend met $S_1$ en $S_2$ ).
- Het model houdt rekening met waning immuniteit (afname van bescherming na verloop van tijd) en hybride immunisatie (bescherming door zowel vaccinatie als natuurlijke infectie).
Prioriteringsparameter ( $\alpha$ ):
Een cruciale parameter is $\alpha \in [0, 1]$ , die de prioritering van doses regelt:
- $\alpha = 1$ : Absolute prioriteit voor de eerste dosis (alle beschikbare doses gaan naar naïeve individuen).
- $\alpha = 0.5$ : "First-come, first-served" (geen specifieke prioriteit).
- $\alpha < 0.5$ : Prioriteit voor boosters (in de praktijk minder relevant, maar wiskundig meegenomen).
  De tijd tussen de doses ( $\tau$ ) is gekoppeld aan $\alpha$ en de vaccinatiesnelheid $c$ .
Analyse en Simulatie:
- Analytische oplossing: Ze lossen de stationaire toestanden van de differentiaalvergelijkingen op om de kritieke transmissiewaarde ( $\lambda_c$ ) af te leiden als functie van $\alpha$ . Ze analyseren de stabiliteit van het ziektevrije punt.
- Netwerksimulaties: Ze valideren de theorie met agent-based simulaties op drie verschillende netwerken: een Erdős-Rényi (ER) willekeurig netwerk, het Enron e-mailnetwerk (realistisch), en een geometrisch willekeurig netwerk (S1-model). Ze gebruiken een methode om het quasi-stationaire stadium te sample in eindige systemen.

Belangrijkste Bijdragen

Identificatie van een kritieke drempel voor vaccinatiesnelheid ( $c^*$ ):
De paper bewijst dat de optimale strategie afhangt van de snelheid waarmee het vaccin kan worden verdeeld ( $c$ ). Er bestaat een kritieke waarde $c^*$ die twee scenario's scheidt:
- Laag vaccinatietempo ( $c \leq c^*$ ): De beste strategie is om absolute prioriteit te geven aan de eerste dosis ( $\alpha^* = 1$ ). Dit maximaliseert de dekking van de kwetsbare populatie.
- Hoog vaccinatietempo ( $c > c^*$ ): Een niet-triviale prioritering is optimaal ( $\alpha^* < 1$ ). Hierbij moet een deel van de doses worden gebruikt voor boosters om de epidemische drempel verder te verhogen dan bij een puur "eerste-dosis" strategie.
Afleiding van de optimale prioriteringsindex ( $\alpha^*$ ):
De auteurs leiden een expliciete formule af voor de optimale $\alpha^*$ die de epidemische drempel $\lambda_c$ maximaliseert. Deze waarde hangt af van parameters zoals de effectiviteit van de doses ( $\sigma_1, \sigma_2$ ) en de snelheid van immuniteitsverlies ( $\eta_1, \eta_2$ ).
Kwantificering van het voordeel:
Ze tonen aan dat het afwijken van een standaard "first-come, first-served" strategie of een starre prioritering voor de eerste dosis, significant kan bijdragen aan het vertragen of voorkomen van uitbraken, afhankelijk van de beschikbare middelen.

Resultaten

Epidemische Drempel: De drempel $\lambda_c$ $λ_{c}$ (waarbij $\lambda$ $λ$ de transmissiewaarde is) bereikt een maximum bij een specifieke $\alpha^*$ $α^{*}$ .
- Bij lage $c$ is $\lambda_c$ het hoogst bij $\alpha = 1$ .
- Bij hoge $c$ is $\lambda_c$ het hoogst bij een $\alpha^*$ die lager is dan 1, wat betekent dat het toedienen van boosters eerder dan strikt noodzakelijk is, de populatie effectiever beschermt tegen een uitbraak.
Validatie: De analytische voorspellingen voor de kritieke transmissiewaarde en de optimale $\alpha$ komen nauwkeurig overeen met de resultaten van de simulaties op zowel synthetische als realistische netwerken (zoals Enron).
Inter-dose Interval: De optimale tijd tussen de doses ( $\tau^*$ ) is niet statisch; deze moet worden aangepast op basis van de vaccinatiesnelheid. Bij hoge snelheden kan een kortere interval tussen dosis 1 en 2 (of een snellere overgang naar boosters) gunstiger zijn dan bij lage snelheden.

Betekenis en Conclusie

Dit onderzoek biedt een wetenschappelijke onderbouwing voor beleidsmakers om vaccinatiestrategieën dynamisch aan te passen in plaats van vast te houden aan starre schema's.

Resource Allocation: Het toont aan dat er een fundamenteel verschil is in strategie tussen landen/periodes met schaarste (waar "first dose" prioriteit heeft) en periodes met voldoende voorraad (waar een gebalanceerde mix van eerste doses en boosters de epidemie beter onder controle houdt).
Beleid: Het onderstreept dat het optimaliseren van de timing tussen primer en booster de grens tussen een ziektevrije staat en een endemische staat kan verschuiven. Een suboptimale timing kan leiden tot uitbraken die met een optimale timing waren voorkomen.
Toekomst: De auteurs wijzen op beperkingen, zoals de aanname van homogene menging en het niet meenemen van vaccinatie-aarzeling of mutaties. Toch vormt het S3I2-model een robuust raamwerk voor het plannen van vaccinatiecampagnes voor zowel bestaande als opkomende pathogenen.

Kortom: De timing van de booster is even belangrijk als de beschikbaarheid van het vaccin zelf. De optimale strategie verschuift van "maximaliseer dekking" naar "maximaliseer bescherming" naarmate de vaccinatiesnelheid toeneemt.