Defining influenza epidemic zones through temporal clustering of global surveillance data

Dit onderzoek identificeert vijf wereldwijde influenza-epidemiezones door middel van temporele clustering van surveillancegegevens, waarmee landen hun surveillance, vaccinatie en voorbereiding op seizoensgebonden uitbraken kunnen optimaliseren.

De kern

Het Grote Influenza-Weerkaartje: Hoe de Wereld in Vijf Seizoenen wordt Verdeeld

Stel je voor dat influenza (de griep) een enorme, onzichtbare stroming is die over de hele aarde beweegt. Net zoals de wind of de getijden, heeft deze stroming zijn eigen ritme. Soms waait hij hard in de winter, soms is hij het hele jaar door aanwezig, en soms verandert hij van richting.

Voorheen keken experts naar de wereldkaart en zeiden: "Als je in het noorden woont, heb je griep in de winter. Als je in het zuiden woont, heb je het in hun winter." Maar de werkelijkheid is veel ingewikkelder. In de tropen is het ritme soms een beetje als een onvoorspelbare jazzmuziek: het kan het hele jaar door spelen, of pieken op vreemde momenten die niet passen bij de traditionele wintermaanden.

Het Probleem: Een Verouderde Landkaart
De wereldgezondheidsorganisatie (WHO) had al een soort "griep-landkaart" gemaakt om landen in groepjes te verdelen. Maar deze kaart was een beetje verouderd. Het was gebaseerd op hoe landen er uitzagen (hun ligging), niet op hoe de griep zich gedroeg. Het was alsof je mensen in een groepje stopte omdat ze dezelfde kleur kleding droegen, terwijl ze eigenlijk totaal andere muziek luisterden.

De Oplossing: Een Digitale Tijdreis
Norman Hassell, Perrine Marcenac en hun team van het CDC en de WHO wilden dit oplossen. In plaats van naar de landkaart te kijken, keken ze naar de muzieknoten: de data.

Ze verzamelden een gigantische verzameling van griep-tests uit 180 landen, uit de jaren 2011 tot 2024 (met uitzondering van de COVID-19-jaren, omdat toen alles stil lag). Ze keken niet naar het land, maar naar de tijd: op welke week van het jaar kwamen de meeste mensen met griep?

De Creatieve Analogie: Het Grote Dansfeest
Stel je voor dat elke week van het jaar een uur op een groot dansfeest is.

• In het Noorden (zoals Nederland of de VS) beginnen de mensen rond oktober te dansen, het is het drukst in januari, en tegen april is het feest voorbij.
• In het Zuiden (zoals Australië) begint het feest pas in mei en eindigt het in november.
• Maar in de Tropen is het een heel ander verhaal. Soms dansen ze het hele jaar door, soms is er een piek in de regenseizoenen, en soms is het een beetje chaotisch.

De onderzoekers gebruikten slimme computers (die ze "Generalized Additive Models" noemen, maar laten we ze "Muziek-Analyzer" noemen) om deze danspatronen te tekenen. Ze keken naar de "burden" (de drukte) van de griep in elke week.

Het Resultaat: Vijf Nieuwe Groepen
Na al die data te hebben geanalyseerd, ontdekten ze dat de wereld niet in twee of drie, maar in vijf duidelijke groepen (of "epidemie-zones") valt. Ze noemden deze A, B, C, D en E.

1. Zone A & B (De Noordelijke Dansers): Dit zijn de landen in het noorden. Ze hebben een duidelijk ritme: griep in de koude maanden (oktober tot april of september tot maart).
2. Zone D & E (De Zuidelijke Dansers): Dit zijn de landen in het zuiden. Zij hebben hun piek in hun winter (mei tot november).
3. Zone C (De Tropische Dansers): Dit is de meest interessante groep. Hier zitten landen in de tropen. Hun ritme is anders: vaak pieken ze tussen september en maart, maar het is minder strikt. Het is alsof ze een eigen, unieke dansstijl hebben die niet perfect past bij het noorden of zuiden.

Waarom is dit belangrijk? (De "Waarom"-Vraag)
Je vraagt je misschien af: "Waarom moeten we dit weten?"

Stel je voor dat je een orkest wilt leiden. Als je de violisten (het noorden) en de trompettisten (het zuiden) door elkaar haalt, klinkt het als een ramp.

• Vaccins: De griepvaccins worden elk jaar opnieuw samengesteld. Als je weet dat een land in Zone C zit, weet je precies welk vaccin je moet bestellen en wanneer je het moet geven. Je hoeft niet te gokken.
• Klanken en Voorbereiding: Ziekenhuizen kunnen zich beter voorbereiden. Als je weet dat je in Zone D zit, weet je dat je in mei extra personeel en bedden nodig hebt, niet in januari.
• Reizigers: Als je op reis gaat, kun je nu beter inschatten of je risico loopt op griep, ongeacht het seizoen.

De Conclusie
Deze studie is als het updaten van een oude navigatiesysteem. In plaats van te zeggen "ga naar het noorden", zegt het nu: "Volg dit specifieke ritme."

Ze hebben bewezen dat landen die geografisch ver uit elkaar liggen (bijvoorbeeld een land in Afrika en een land in Azië), soms precies hetzelfde griep-ritme hebben. En landen die dichtbij elkaar liggen, kunnen totaal verschillende ritmes hebben.

Door de wereld in deze vijf nieuwe, op data gebaseerde zones te verdelen, kunnen artsen, politici en gezondheidsfunctionarissen beter plannen maken. Het is een stap naar een wereld waar we niet meer op de blinde vliegen, maar waar we de dans van het virus kunnen voorspellen en er slim op kunnen reageren.

Technische samenvatting

Probleemstelling

Influenza veroorzaakt jaarlijks wereldwijd significante morbiditeit en mortaliteit. De timing van epidemieën varieert sterk per regio: in gematigde klimaten van het noordelijk halfrond (NH) piekt de activiteit meestal in de wintermaanden (oktober–april), terwijl het zuidelijk halfrond (ZH) piekt in mei–september. In tropische en subtropische gebieden is het patroon minder duidelijk, met mogelijk meerdere pieken of jaarlijkse activiteit zonder duidelijke seizoensgebondenheid.

Bestaande frameworks voor influenza-transmissiezones, zoals die door de WHO werden ontwikkeld, zijn grotendeels gebaseerd op geografische nabijheid en administratieve grenzen. Deze benadering is echter beperkt omdat:

1. Veel landen hun surveillancesystemen hebben verbeterd, waardoor er meer en betere data beschikbaar zijn dan bij de laatste herziening in 2015.
2. Geografische grenzen niet altijd overeenkomen met de werkelijke dynamiek van influenza-activiteit, vooral in de tropen waar buren verschillende seizoenspatronen kunnen hebben.
3. Er behoefte is aan een datagedreven methode om landen te groeperen op basis van daadwerkelijke detectiepatronen in plaats van alleen geografie, om zo vaccinkeuze, surveillance en voorbereiding te optimaliseren.

Methodologie

De auteurs hebben een datagedreven aanpak ontwikkeld om globale influenza-epidemiezones te definiëren. De belangrijkste methodologische stappen waren:

• Data Bron: Gegevens van het Global Influenza Surveillance and Response System (GISRS) via FluNet, de periode 2011–2019 en juli 2024–december 2024. Data uit de COVID-19-pandemie (januari 2020–juni 2023) werd uitgesloten vanwege verstoringen in de circulatie en rapportage.
• Tijdswindows: Landen werden ingedeeld op basis van wanneer hun piekactiviteit voorkwam. Er werden twee tijdswindows gebruikt:
  • Kalenderjaar: Week 1–52 (voor landen met ZH-achtige activiteit).
  • Verschoven jaar: Week 30 van het ene jaar tot week 29 van het volgende jaar (voor landen met NH-achtige activiteit).
• Data Kwaliteit: Alleen landen met minimaal 5 volledige tijdswindows en voldoende data (≥100 positieve tests per window en ≥40% rapportagegraad) werden meegenomen in de clustering.
• Data Imputatie en Gladding: Voor weken zonder data werden ontbrekende waarden geïmputeerd en tijdreeksen gladgestreken met behulp van Generalized Additive Models (GAMs) met een Poisson-verdeling. Dit resulteerde in een genormaliseerde wekelijkse "influenza-burden" (proportie van detecties per week).
• Clustering:
  • Er werd een afstandsmatrix berekend tussen landen op basis van de Euclidische afstand tussen hun genormaliseerde tijdreeksen.
  • Een hybride hiërarchische k-means (hkmeans) clustering-methode werd toegepast om de optimale aantal clusters te bepalen.
  • Landen zonder voldoende data werden toegewezen aan een cluster op basis van hun populatie-gewogen gemiddelde breedtegraad ten opzichte van de gemiddelde breedtegraad van de bestaande clusters.
• Definitie van Epidemie: Het begin en einde van een epidemie werd gedefinieerd als het moment waarop de burden de mediaan voor minimaal 3 weken overschreed respectievelijk onder bleef.

Belangrijkste Resultaten

De analyse resulteerde in de identificatie van vijf distincte influenza-epidemiezones (A t/m E) op basis van data van 111 landen.

1. Zone A (Noordelijk Halfrond - Standaard):
   • Periode: Oktober – April (Week 42–16).
   • Locatie: Voornamelijk Noord-Amerika, Europa en delen van Noord-Afrika/West-Azië.
   • Kenmerk: 97% van de activiteit valt binnen dit venster.
2. Zone B (Noordelijk Halfrond - Vroege Start):
   • Periode: September – Maart (Week 39–13).
   • Locatie: Verspreid over Azië, Afrika, Amerika en Europa.
   • Kenmerk: 82% van de activiteit in dit venster; iets vroegere start dan Zone A.
3. Zone C (Tropisch - Meerdere Pieken/Onregelmatig):
   • Periode: September – Maart (Week 36–10), maar met complexe patronen.
   • Locatie: Voornamelijk tropische landen in Azië, Afrika en de Amerika's.
   • Kenmerk: 62% van de activiteit in dit venster, maar vaak met meerdere pieken of jaarlijkse activiteit.
4. Zone D (Zuidelijk Halfrond - Gemengd):
   • Periode: Mei – November (Week 19–45).
   • Locatie: Azië, Amerika, Afrika en Melanesië.
   • Kenmerk: 63% van de activiteit in dit venster, maar met activiteit in andere maanden.
5. Zone E (Zuidelijk Halfrond - Standaard):
   • Periode: Mei – November (Week 19–45).
   • Locatie: Voornamelijk Australië, Nieuw-Zeeland, Zuid-Afrika en delen van Zuid-Amerika.
   • Kenmerk: 83% van de activiteit in dit venster; zeer duidelijke ZH-seizoenaliteit.

Sterke correlatie met breedtegraad: Er werd een sterke associatie gevonden tussen de cluster-toewijzing en de populatie-gewogen gemiddelde breedtegraad. Dit maakte het mogelijk om landen zonder voldoende data (voornamelijk in Afrika en de Amerika's) betrouwbaar toe te wijzen aan een zone op basis van hun geografische ligging.

De nieuwe zones overlappen niet perfect met de bestaande WHO-transmissiezones. Vooral in Azië en Afrika zijn de bestaande geografische zones opgesplitst in meerdere epidemiezones, wat de diversiteit in circuleringspatronen binnen kleine geografische gebieden onderstreept.

Bijdragen en Significatie

Deze studie levert een cruciale bijdrage aan de wereldwijde influenza-preventie en -bestrijding:

• Geactualiseerd Raamwerk: Het biedt een up-to-date, datagedreven classificatie van influenza-epidemiezones die beter aansluit bij de werkelijke virale dynamiek dan de oude, op geografie gebaseerde modellen.
• Optimalisatie van Vaccinbeleid: De zones kunnen helpen bij het bepalen van de meest geschikte samenstelling van het seizoensvaccin en het timing van vaccinatiecampagnes, vooral voor landen met beperkte surveillancecapaciteit die nu een proxy kunnen gebruiken.
• Surveillance en Voorbereiding: Het stelt gezondheidsautoriteiten in staat om de timing van versterkte surveillance, de aankoop van antivirale middelen en de voorbereiding op pieken in ziekenhuisopnames (bedden, personeel) te plannen op basis van de specifieke zone.
• Flexibiliteit: Het analytische raamwerk is ontworpen om nieuwe data (inclusief post-COVID-periode) te integreren, waardoor de zones dynamisch kunnen worden aangepast naarmate de wereldwijde situatie verandert.
• Subnationale Nuance: Hoewel de analyse op nationaal niveau gebeurt, erkent het artikel dat landen met grote klimaatvariatie (zoals Brazilië of India) mogelijk subnationale patronen hebben die afwijken van de nationale gemiddelden, wat een richting voor toekomstig onderzoek biedt.

Kortom, deze studie verschuift de focus van een statische geografische indeling naar een dynamische, datagedreven benadering die de complexiteit van influenza-circulatie wereldwijd beter weergeeft en direct toepasbaar is voor beleidsmakers.