Using an evolutionary epidemiological model of pandemics to estimate the infection fatality ratio for humans infected with avian influenza viruses

Dit artikel gebruikt een evolutionair epidemiologisch model om te schatten dat er jaarlijks duizenden ongedetecteerde menselijke infecties met aviaire influenza voorkomen met een sterftecijfer van 32 per 10.000 besmettingen, wat hoger ligt dan bij seizoensgebonden influenza en vergelijkbaar is met SARS-CoV-2, en benadrukt dat het voorkomen van dier-mens overdracht essentieel is om toekomstige pandemieën uit te stellen.

De kern

De Onzichtbare Gijzelaars: Waarom vogelgriep een groot gevaar is, zelfs als we het niet zien

Stel je voor dat er een onzichtbare storm van vogelgriepvirus (AIV) over de wereld waait. We zien alleen de bliksemschichten: de mensen die ziek worden en in het ziekenhuis belanden. Maar wat als die bliksemschichten slechts de top van een gigantische ijsberg zijn? De meeste van die 'gijzelaars' – de mensen die besmet zijn maar zich prima voelen of niet naar de dokter gaan – blijven onzichtbaar.

Dit is precies wat de onderzoekers in dit artikel proberen op te lossen. Ze hebben een slimme, wiskundige 'tijdmachine' gebouwd om te schatten hoeveel mensen er eigenlijk besmet zijn, en hoe gevaarlijk het virus voor ons is.

Hier is hoe het werkt, vertaald in alledaags taal:

1. Het Probleem: Het Spook in de Machine

We weten dat vogelgriep soms van dieren op mensen overspringt (zoals een vuurpijl die van een dier naar een mens schiet). Meestal stopt het daar: het virus kan zich niet makkelijk van mens tot mens verspreiden, dus het blijft een klein, lokaal vuurtje.

Maar soms, heel zelden, mutatie het virus. Het leert dan hoe het zich als een wilde brand door de menselijke bevolking kan verspreiden. Dat noemen we een pandemie.

Het probleem is dat we niet weten hoeveel 'vuurpijlen' er per jaar afvuren. We zien alleen de grote branden (de pandemies) die in de geschiedenisboeken staan. De onderzoekers zeggen: "Als we weten hoe vaak er in de geschiedenis een grote brand is geweest, kunnen we terugrekenen hoeveel kleine vonken er per jaar moeten zijn geweest om die kans te creëren."

2. De Oplossing: Een Wiskundige Voorspelling

De auteurs hebben een computermodel gemaakt dat werkt als een gokspel.

• Ze nemen alle bekende pandemies uit de laatste 245 jaar.
• Ze kijken hoe lang het gemiddeld duurde tussen twee pandemies (ongeveer 38 jaar).
• Ze simuleren duizenden scenario's: "Wat als er 1.000 mensen besmet zijn? Wat als er 10.000 zijn? Wat als het virus 1% van de tijd mutatie?"

Door te kijken welke scenario's het beste passen bij de historische data, komen ze tot een schatting.

Het verrassende resultaat:
Ze schatten dat er jaarlijks duizenden mensen besmet zijn met vogelgriep, terwijl we er maar een paar honderd van weten. Het is alsof je denkt dat er maar een paar regenbuien vallen, maar je merkt dat de grond overal nat is. De meeste besmettingen zijn onzichtbaar omdat de mensen geen symptomen hebben of gewoon niet getest worden.

3. Hoe gevaarlijk is het? (De Dodelijkheid)

Vroeger dachten we dat vogelgriep dodelijk was voor bijna iedereen die het kreeg (ongeveer 48% van de bekende gevallen overleed). Maar dat was een misvatting, omdat we alleen de zware gevallen zagen.

De onderzoekers berekenen nu de Infectie-Fataliteitsratio (IFR). Dit is het echte risico: "Als je besmet raakt, wat is de kans dat je eraan overlijdt, inclusief de mensen die het niet eens merken?"

• Hun schatting: Ongeveer 32 doden per 10.000 besmettingen.
• Vergelijking: Dit is ongeveer even gevaarlijk als het coronavirus (SARS-CoV-2) tijdens de recente pandemie, en veel gevaarlijker dan de normale seizoensgriep waar we elk jaar last van hebben.

Dit betekent dat voor mensen die veel met dieren te maken hebben (boeren, jagers, dierenartsen), het risico op een ernstige ziekte of overlijden reëel en hoog is, zelfs als ze zich 'gewoon' ziek voelen.

4. De Gouden Sleutel: Het Voorkomen van Spillovers

Het belangrijkste advies uit het artikel is dit: Voorkom dat het virus van dier op mens springt.

Stel je voor dat je een dam bouwt om een overstroming te voorkomen. Als je 20% van de 'lekken' in die dam dichtmaakt (door bescherming te dragen, koeien niet aan te raken, etc.), dan vertraag je de komst van de volgende grote pandemie met bijna 10 jaar. Als je 50% dichtmaakt, kun je de ramp wel 37 jaar uitstellen!

Conclusie: Waarom dit voor jou belangrijk is

Je hoeft geen viroloog te zijn om dit te begrijpen. Het verhaal is simpel:

1. Er zijn veel meer mensen met vogelgriep dan we denken.
2. Het is voor die mensen gevaarlijker dan de normale griep.
3. Door voorzichtig te zijn met dieren (geen aanraken, maskers dragen, hygiëne), bescherm je niet alleen jezelf, maar help je ook om een wereldwijde ramp te voorkomen.

Het is als het dragen van een helm op de fiets: je hoopt dat je er nooit een ongeluk mee krijgt, maar als dat wel gebeurt, redt het je leven. En in dit geval redt het misschien ook de wereld.

Technische samenvatting

Probleemstelling

Het inschatten van het risico van hoogpathogene aviaire influenza (HPAI) op mensen is complex omdat de meeste menselijke infecties onopgemerkt blijven. Infecties kunnen asymptomatisch zijn, symptomatisch maar niet getest, of moeilijk te traceren via contactonderzoek omdat mens-tot-mens-overdracht zeldzaam is.

• De Case Fatality Ratio (CFR) (aantal sterfgevallen per gemelde geval) voor H5N1 wordt vaak gerapporteerd als zeer hoog (bijv. 48%), maar dit is vertekend omdat het alleen de ernstige, gemelde gevallen omvat.
• De Infection Fatality Ratio (IFR) (aantal sterfgevallen per totale infectie, inclusief ongemelde) is een nauwkeuriger maatstaf voor het risico op een ernstig uitkomst, maar deze is moeilijk te bepalen zonder betrouwbare data over het totale aantal infecties.
• Er is een gebrek aan inzicht in het werkelijke aantal jaarlijkse zoonotische spillovers (overdracht van dier op mens) en hoe deze bijdragen aan het risico op een toekomstige pandemie.

Methodologie

De auteurs hebben een stochastisch evolutionair epidemiologisch model ontwikkeld om het gemiddelde aantal jaarlijkse menselijke AIV-infecties te schatten, gebaseerd op de historische frequentie van influenza-pandemieën.

1. Modelvorming:

   • Ze gebruiken een multitype takproces (multitype branching process) om menselijke infecties met verschillende AIV-genotypes te modelleren.
   • Het model neemt aan dat de basisreproductiegetal ($R_0$) van een dierlijke stam in de menselijke populatie kleiner is dan 1 (geen efficiënte mens-tot-mens-overdracht vóór adaptatie).
   • Het model berekent de kans dat een spillover leidt tot een pandemie door rekening te houden met:
     • Het aantal jaarlijkse spillovers ($n_z$).
     • De transmissibiliteit in mensen ($R_0$).
     • De waarschijnlijkheid van evolutionaire verandering (mutatie/reassortment) die een pandemie-capabele stam creëert ($\pi$).
   • In plaats van analytische benaderingen voor een minimum aantal infecties (zoals in eerdere studies), gebruiken ze numerieke methoden om de verdeling van het gemiddelde aantal infecties te schatten.

2. Parametrisatie en Data:

   • Genotype-generatie: Er werden 1.000 genotypes gegenereerd via Latin Hypercube Sampling (LHS) met verdelingen voor $R_0$, de kans op een pandemie-capabele mutatie ($a$), en de reproductiegetal van de aangepaste stam ($R^*$).
   • Historische data: Het model is geparametriseerd met data van de interpandemische periodes van zeven influenza-pandemieën in de afgelopen 245 jaar. Een Gamma-verdeling werd gefit op deze data om de jaarlijkse pandemie-kans ($\Lambda$) te schatten.
   • Sterftecijfers: Het totale aantal gemelde sterfgevallen door AIV in de afgelopen 23 jaar (473) werd gebruikt als proxy voor het totale aantal sterfgevallen (onder de aanname dat alle sterfgevallen worden gerapporteerd).

3. Berekening:

   • De IFR wordt berekend als: $\text{Jaarlijkse sterfgevallen} / \text{Geschat jaarlijks totaal aantal infecties}$.
   • Er werd ook geanalyseerd hoe het voorkomen van spillovers (via een reductiefactor $\chi$) de tijd tot de volgende pandemie beïnvloedt.

Belangrijkste Bijdragen

• Schattingsmethode: Een nieuwe benadering die historische pandemie-frequenties koppelt aan evolutionaire modellen om het aantal onopgemerkte menselijke infecties af te leiden, in plaats van alleen te vertrouwen op surveillance-data.
• IFR-schatting: De eerste robuuste schatting van de IFR voor menselijke AIV-infecties, die rekening houdt met de "donkere berg" van ongemelde gevallen.
• Impactanalyse: Een kwantificering van hoe preventieve maatregelen (reductie van spillovers) de timing van toekomstige pandemieën kunnen uitstellen.

Resultaten

1. Aantal infecties:

   • Er worden naar schatting gemiddeld 6.441 menselijke AIV-infecties per jaar wereldwijd opgetreden (95% betrouwbaarheidsinterval: [2.736, 21.407]).
   • Dit is aanzienlijk hoger dan het aantal gemelde gevallen (bijv. 986 gevallen voor H5N1 sinds 2003), wat bevestigt dat de meeste infecties onopgemerkt blijven.

2. Infection Fatality Ratio (IFR):

   • De geschatte IFR is 32 sterfgevallen per 10.000 infecties (0,32%; 95% CI: [9,6, 75]).
   • Dit is aanzienlijk lager dan de gerapporteerde CFR van 48%, maar nog steeds hoger dan seizoensgebonden influenza (2,9-6,5 per 10.000) en vergelijkbaar met of hoger dan SARS-CoV-2 tijdens de recente pandemie (16 per 10.000).
   • Als men uitgaat van een toenemende frequentie van pandemieën (door menselijke activiteit), daalt de geschatte IFR voor 2026 naar 16 per 10.000 infecties, maar blijft het risico significant.

3. Impact van preventie:

   • Het voorkomen van spillovers heeft een groot effect op de timing van pandemieën:
     • Preventie van 5% van de spillovers vertraagt een pandemie met gemiddeld 2 jaar.
     • Preventie van 20% vertraagt met 9,4 jaar.
     • Preventie van 50% vertraagt met 37,5 jaar.

4. Vergelijking met eerdere studies:

   • De schattingen voor het minimum aantal spillovers zijn consistent met eerdere studies (Day et al., 2006), maar de schattingen voor het gemiddelde aantal spillovers zijn aanzienlijk hoger, wat aangeeft dat eerdere modellen mogelijk het werkelijke risico hebben onderschat.

Betekenis en Conclusie

• Risicobewustzijn: De hoge IFR (0,32%) onderstreept dat menselijke AIV-infecties, zelfs als ze vaak mild of asymptomatisch zijn, een aanzienlijk risico op ernstige ziekte en dood vormen voor risicogroepen (jagers, pluimveewerkers, dierenartsen).
• Beleid en Preventie: Het voorkomen van dier-mens spillovers is niet alleen cruciaal voor de individuele gezondheid, maar ook een effectieve strategie om de emergentie van een wereldwijde pandemie met jaren uit te stellen.
• Beperkingen: De studie erkent beperkingen, zoals het gebrek aan ruimtelijke en seizoensgebonden dynamiek in het model en de afhankelijkheid van aannames over evolutionaire processen. Echter, gezien het gebrek aan serologische surveillance, biedt deze modellering de beste beschikbare schatting van het werkelijke ziekte-last.

De auteurs concluderen dat preventieve maatregelen (zoals het vermijden van contact met besmette dieren en het dragen van beschermingsmiddelen) essentieel zijn om zowel individuele sterfte als het collectieve risico op een pandemie te verminderen.