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

Het griepseizoen is een bekend ritme van de publieke gezondheidszorg, een tijd waarin virussen circuleren, mensen ziek worden en gezondheidsfunctionarissen werken om de verspreiding te stoppen. Al decennia lang vertrouwen wetenschappers op modellen — vereenvoudigde wiskundige representaties van de werkelijkheid — om te begrijpen hoe goed vaccins werken. Deze modellen helpen bij het beantwoorden van een cruciale vraag: hoeveel mensen worden er daadwerkelijk behoed voor ziekte, ziekenhuisopname of overlijden omdat ze een prik hebben ontvangen? De uitdaging is altijd geweest dat de echte wereld rommelig is. Virussen veranderen, lichamen van mensen vergeten na verloop van tijd hoe ze ermee moeten vechten, en in sommige delen van de wereld volgt de griep geen net winterschema, maar circuleert deze het hele jaar door. Oudere instrumenten om deze voordelen te berekenen waren vaak ontworpen voor één enkel winterseizoen in gebieden met een voorspelbaar klimaat, waarbij werd aangenomen dat iemand, zodra diegene gevaccineerd of geïnfecteerd was, de rest van het jaar beschermd bleef. Deze aanpak werkte goed voor eenvoudige scenario's, maar had moeite om het volledige beeld te vatten wanneer vaccinatiecampagnes zich over meerdere jaren uitstrekten of wanneer de immuniteit vervaagde voordat het seizoen ten einde liep.

Een team van onderzoekers van de Amerikaanse Centers for Disease Control and Prevention en internationale gezondheidsorganisaties heeft dit modelleringsinstrument nu bijgewerkt om een complexere realiteit te weerspiegelen. Ze hebben een statisch model, dat bijhoudt hoeveel mensen bewegen tussen gezond, ziek of beschermd zijn, uitgebreid om meerdere griepseizoenen tegelijkertijd te kunnen verwerken. Cruciaal is dat ze de mogelijkheid hebben toegevoegd om rekening te houden met het vervagen van immuniteit, wat betekent dat de bescherming die een vaccin biedt niet eeuwig duurt maar geleidelijk afneemt, net zoals een herinnering in de loop der tijd kan vervagen. Ze stelden het model ook in staat om onderscheid te maken tussen hoe goed een vaccin voorkomt dat iemand een milde hoest krijgt versus een ernstige ziekte die een ziekenhuisopname vereist, en ze voegden de capaciteit toe om vermeden sterfgevallen te tellen. Door deze functies in een gebruiksvriendelijk spreadsheet-instrument te bouwen, wilden de onderzoekers gezondheidsfunctionarissen in elk land de macht geven om hun eigen simulaties uit te voeren met lokale gegevens, zonder dat zij experts hoeven te zijn in complexe wiskunde.

Om dit nieuwe kader te testen, creëerden de onderzoekers twee synthetische scenario's, in feite digitale laboratoria waarin zij elke variabele konden controleren. In het eerste scenario simuleerden ze een regio met een typisch Noordelijk Hemisferisch griepseizoen, waarbij de activiteit piekt in de winter en de vaccinatieprogramma's jaarlijks worden uitgevoerd. Ze gingen uit van een bestaand programma waarbij ongeveer een derde van de oudere volwassen populatie elk jaar een vaccin ontvangt. Het model toonde aan dat dit programma over vier seizoenen ongeveer 15 procent van alle griepgerelateerde ziektegevallen voorkwam. Voor de meest ernstige uitkomsten, zoals ziekenhuisopnames en sterfte, lag het preventiepercentage zelfs hoger, variërend van ongeveer 14 tot 18 procent. Het instrument berekende ook hoeveel mensen gevaccineerd moesten worden om één geval van ziekte te voorkomen, een cijfer dat per seizoen varieerde maar over het algemeen tussen de 62 en 110 mensen lag. Dit bewees dat het model de waarde van een standaard, seizoensgebonden vaccinatiecampagne nauwkeurig kon kwantificeren.

Het tweede scenario verkende een uitdagendere omgeving: een plek waar de griep het hele jaar door circuleert en waar momenteel geen vaccinatieprogramma bestaat. Hier simuleerden de onderzoekers een hypothetisch programma waarbij 20 procent van de bevolking het hele jaar door gelijkmatig wordt gevaccineerd. In deze setting schatte het model dat het programma over vier jaar ongeveer 5 procent van de griepziekten zou voorkomen. Hoewel dit percentage lager is dan in het seizoensgebonden voorbeeld, weerspiegelt het de realiteit van constante virale circulatie en een lagere dekking. De onderzoekers gebruikten dit scenario om verschillende strategieën te testen, zoals het wijzigen van de timing van de vaccinatie-uitrol. Ze ontdekten dat het starten van een campagne één maand eerder in een seizoensgebonden setting 6 procent extra ziektegevallen kon voorkomen, terwijl het afstemmen van een jaarrond campagne op specifieke seizoenspieken de preventie met meer dan 20 procent kon verhogen. Deze simulaties onderstreepten dat de timing van een vaccinatie-uitrol er aanzienlijk toe doet, en het nieuwe instrument stelt functionarissen in staat om het optimale schema voor hun specifieke regio te vinden.

Om ervoor te zorgen dat hun nieuwe model betrouwbaar was, vergeleken de onderzoekers de resultaten met echte gegevens uit de Verenigde Staten tijdens de griepseizoenen 2017–2018 en 2018–2019. Ze draaiden het model met werkelijke ziekenhuisopnamecijfers, vaccinatiegraden en gegevens over de effectiviteit van vaccins uit die jaren. De resultaten waren in grote lijnen consistent met eerder gepubliceerde schattingen, waarbij de voorspellingen van het nieuwe model binnen de verwachte onzekerheidsmarges vielen. In sommige gevallen voorspelde het model dat rekening hield met het vervagen van immuniteit iets hogere aantallen voorkomen gevallen dan oudere modellen, waarschijnlijk omdat het de hoge beschermingsniveaus direct na vaccinatie vastlegde voordat het effect begon af te nemen. Deze validatie gaf de onderzoekers het vertrouwen dat het instrument gebruikt kon worden om betrouwbare schattingen te generen voor landen die geen toegang hebben tot gespecialiseerde modelleringsteams.

Het uiteindelijke doel van dit werk is niet alleen het produceren van cijfers, maar het ondersteunen van besluitvormers. Door complexe epidemiologische concepten te vertalen naar een transparante spreadsheet, hebben de onderzoekers een manier geboden voor nationale gezondheidsprogramma's om de directe impact van hun inspanningen te visualiseren. Het instrument stelt functionarissen in staat om "wat als"-vragen te stellen: Wat als we de dekking vergroten? Wat als we de timing veranderen? Wat als het vaccin beter werkt tegen ernstige ziekte dan tegen milde ziekte? Het model suggereert dat zelfs in omgevingen met jaarrond griep, gerichte vaccinatiestrategieën een meetbaar verschil kunnen maken in het verminderen van ziekte en het redden van levens. Hoewel het instrument zich richt op de directe bescherming van gevaccineerde individuen en niet rekening houdt met de indirecte voordelen van groepsimmuniteit, biedt het een helder, op bewijs gebaseerd fundament voor de planning en evaluatie van griepvaccinatieprogramma's. In een wereld waar gezondheidsbronnen vaak beperkt zijn, is het hebben van een betrouwbare manier om het rendement op investeringen in vaccinatie te meten, een vitale stap naar de bescherming van gemeenschappen.