Wastewater-informed agent-based modelling of hepatitis E transmission dynamics

Dit onderzoek toont aan dat een agent-based model, gekalibreerd met zowel wastewater- als casedata via benaderende Bayesiaanse inferentie, een aanzienlijke afname van de hepatitis E-transmissie tijdens de COVID-19-lockdowns in München onthulde die door klinische rapportages alleen niet zichtbaar was, waardoor wastewater-surveillance wordt bevestigd als een waardevol hulpmiddel voor het begrijpen van overgedragen ziekteverwekkers.

De kern

Titel: Hoe rioolwater ons een spiegel voorhield over Hepatitis E

Stel je voor dat een stad een groot, levend organisme is. Soms raakt dit organisme besmet met een virus, in dit geval Hepatitis E. In rijke landen denken we meestal dat je dit virus oppikt via slecht gekookt vlees of besmet voedsel, alsof het een onzichtbare vergiftiging is die je per ongeluk binnenkrijgt via je bord.

Maar toen de wereld in 2020 op slot ging door de coronapandemie, gebeurde er iets vreemds in München, Duitsland.

Het mysterie van de twee verhalen
Stel je voor dat we twee verschillende ramen hebben om naar de gezondheid van de stad te kijken:

1. Het grote raam (Rioolwater): In München zagen we in het rioolwater een enorme daling van het virus. Het leek alsof het virus plotseling verdwenen was.
2. Het kleine raam (Klinische data): In een kleiner dorpje in de buurt zagen we echter geen daling. De artsen meldden evenveel patiënten als voorheen.

Het leek alsof de ene stad een stilte was en de andere een lawaai. Hoe kan dat?

De detective met de computer
Om dit raadsel op te lossen, bouwden de onderzoekers een digitale poppenkast (een computermodel). In deze poppenkast leefden duizenden virtuele mensen. Ze aten, dronken, gingen naar het toilet en verspreidden het virus. De onderzoekers lieten deze poppenkast "leven" tijdens de lockdown en keken wat er gebeurde.

Ze gebruikten een slimme techniek, alsof ze een detective zijn die met een vergrootglas naar bewijsmateriaal kijkt (de rioolwaterdata en de ziekenhuisrapporten), om de echte oorzaak te vinden.

Wat bleek eruit?
Het verhaal van het rioolwater bleek de waarheid te zijn, maar het verhaal van de artsen vertelde een ander verhaal door een vertekend glas.

• De lockdown werkte: De lockdowns (thuisblijven, minder uitgaan) zorgden ervoor dat de verspreiding van het virus met ongeveer 60% daalde. Het virus werd veel minder actief.
• Het kleine raam was mistig: Waarom zagen de artsen in het kleine dorpje dan geen daling? Omdat de lockdown ook betekende dat mensen die ziek waren, vaker naar de dokter gingen of beter werden getest. Alsof je in een donkere kamer een flitslampje hebt: je ziet ineens veel meer muggen dan voorheen, niet omdat er meer muggen zijn, maar omdat je beter kunt kijken.
• Het rioolwater was de eerlijke getuige: Het rioolwater zag alles. Het zag dat er minder virus in de buizen kwam, ongeacht of mensen naar de dokter gingen of niet. Het was als een onpartijdige camera die de hele stad filmde, zonder te worden beïnvloed door wie er naar het ziekenhuis ging.

De les voor de toekomst
Deze studie leert ons iets belangrijks: als we alleen kijken naar wie er naar de dokter gaat, kunnen we een verkeerd beeld krijgen van hoe een ziekte zich verspreidt. Maar als we samen kijken naar de ziekenhuisdata én naar wat er in het rioolwater gebeurt, krijgen we een scherp, helder beeld.

Het rioolwater is als een onzichtbare radar die ons waarschuwt voor gevaar, zelfs als de mensen op straat het niet merken. Door deze twee bronnen te combineren, kunnen we beter begrijpen hoe ziektes zich gedragen en beter beschermen tegen toekomstige uitbraken.

Technische samenvatting

Probleemstelling

Het Hepatitis E-virus (HEV) wordt in ontwikkelde landen overwegend beschouwd als een voedseloverdraagbare pathogeen. Tijdens de COVID-19-lockdowns werd echter een opmerkelijke discrepantie waargenomen in de surveillancegegevens:

• In München, Duitsland, daalden de concentraties van HEV in afvalwater op een zuiveringsinstallatie aanzienlijk tijdens de lockdownperioden. Dit suggereerde dat gedragsveranderingen door de pandemie (zoals minder reizen of veranderingen in voedselconsumptie) de transmissie onbedoeld hadden beïnvloed.
• In een kleiner stroomgebied daarentegen werd geen vergelijkbare daling waargenomen in zowel het afvalwater als de gerapporteerde gevallen.

De centrale vraag was of deze waargenomen reductie in München verenigbaar is met een uitsluitend voedseloverdraagbare infectie, en hoe de tegenstrijdige signalen tussen verschillende surveillancemodaliteiten (klinische data versus afvalwaterdata) verklaard kunnen worden.

Methodologie

Om deze vragen te beantwoorden, ontwikkelden de auteurs een geavanceerd wiskundig model:

• Agent-based model (ABM): Een stochastisch, individueel gebaseerd model dat de transmissie van HEV, de uitscheiding (shedding) van het virus en de detectie (ascertainment) in München simuleert.
• Data-integratie: Het model werd gekalibreerd op basis van data uit de periode 2020-2023, waaronder zowel afvalwaterconcentraties als gerapporteerde klinische gevallen.
• Statistische inferentie: Er werd gebruikgemaakt van Approximate Bayesian Computation (ABC). De kalibratie werd uitgevoerd in drie fasen:
  1. Afzonderlijke kalibratie op afvalwaterdata.
  2. Afzonderlijke kalibratie op klinische data.
  3. Gecombineerde (joint) inferentie van beide datasets.

Belangrijkste Resultaten

De analyse van de posterior parameter-schattingen leverde de volgende inzichten op:

• Transmissiedaling: Er was een substantiële daling van de transmissie tijdens de lockdowns. De transmissie daalde tot ongeveer 35-40% van het niveau voor de lockdown. Het 95% betrouwbaarheidsinterval lag volledig onder de 1, wat aangeeft dat er statistisch significant sprake was van een afname (geen verandering).
• Verklaring voor discrepanties: De gecombineerde inferentie toonde aan dat de afwezigheid van een duidelijke daling in de kleinere datasets (zowel klinisch als in het kleine stroomgebied) het gevolg was van twee factoren die het effect maskeerden:
  1. Een mogelijke, bescheiden toename in de waarschijnlijkheid van diagnose (diagnosis probabilities) tijdens de lockdown.
  2. Een hogere meetvariatie (measurement variability) in de afvalwaterdata van het kleinere stroomgebied.

Bijdragen en Significatie

Deze studie levert een belangrijke bijdrage aan de epidemiologische modellering en surveillance:

• Validatie van afvalwatermonitoring: Het onderzoek demonstreert dat afvalwatergebaseerde surveillance, wanneer gecombineerd met gerapporteerde gevallen, essentieel is voor het verkrijgen van robuuste parameterschattingen bij ondergerapporteerde pathogenen zoals HEV.
• Inzicht in transmissieroutes: Het weerlegt de strikte aanname dat HEV in ontwikkelde landen uitsluitend voedseloverdraagbaar is zonder enige invloed van gedragsveranderingen, of toont in ieder geval aan dat gedragsfactoren een meetbaar effect kunnen hebben.
• Beleidsondersteuning: De resultaten onderstrepen het belang van geïntegreerde surveillance-systemen voor het uitvoeren van gefundeerde risicobeoordelingen in de volksgezondheid, vooral in tijden van grote maatschappelijke verstoringen zoals een pandemie.