
自COVID-19大流行爆發(fā)以來,利用數(shù)學(xué)建模預(yù)測不同公共衛(wèi)生措施如接觸者行程追蹤、實施非藥物干預(yù)措施(如要求戴口罩和保持社交距離)以及疫苗接種等措施的效果,在協(xié)助決策方面發(fā)揮了重要作用。
Maurizio Porfiri和他在紐約大學(xué)坦登工程學(xué)院、格羅寧根大學(xué)、北伊利諾伊大學(xué)、圣心天主教大學(xué)和都靈理工大學(xué)的國際研究團隊一直致力于開發(fā)準確的開源建模平臺,幫助建模并預(yù)測一些未知的情況。2021年1月,他的團隊發(fā)布了一個基于主體的模型,預(yù)測了COVID-19在數(shù)字模擬人群中的傳播,并用它來探索如何在疫苗劑量有限的情況下完成高效接種。
探索免疫力下降及COVID-19加強針的有效性
現(xiàn)在,他們把注意力轉(zhuǎn)向了免疫力下降的問題,加之全球疫苗分布的不均衡、新變種的出現(xiàn)以及公共衛(wèi)生措施的解除,使得結(jié)束大流行變得尤為困難。
“在2021年,疫苗顯著減少了COVID-19的感染及住院率,使得經(jīng)濟逐步重新開放并恢復(fù)正常!盤orfiri在一封電子郵件中說,“然而,這些疫苗的效力在幾個月后就會減弱,特別是對于新型占主導(dǎo)地位的流行株Omicron,因此需要注射COVID-19加強針。毫不意外的是,注射加強針的效果似乎也是有限的。因此,探索免疫力下降并了解如何應(yīng)對,是保持經(jīng)濟正常、回歸正常生活方式、降低未來疫情爆發(fā)風險的關(guān)鍵!
在他們最近發(fā)表于《Advanced Theory and Simulations》雜志上的研究中,他們探索了當前大流行中出現(xiàn)的各種因素的相互作用及結(jié)果,包括:疫苗誘導(dǎo)的免疫力下降、檢測減少以及對COVID-19加強針的推動。
該模擬是在6個月的預(yù)測之后進行的,該預(yù)測模擬了COVID-19在美國一個中型城鎮(zhèn)不同情況下的傳播,具體分析了2021/22年秋季和冬季期間加強針的宣傳活動的有效性。
“我們高清晰度基于主體的模型包括對美國New Rochelle鎮(zhèn)的一對一模擬,其中一個虛擬主體對應(yīng)一個人,并可以從統(tǒng)計學(xué)角度反映他們的行為!痹撗芯康淖髡咧籐orenzo Zino解釋說,“我們生成了城鎮(zhèn)中不同的住宅和公共建筑的數(shù)字模擬版本,以及其人口的許多特征,從年齡、職業(yè)和通勤方式等。”
對正在進化的流行病進行建模
事實證明,這個數(shù)字化模擬的New Rochelle小鎮(zhèn)是研究不同COVID-19事件和控制措施效果的絕佳試驗臺。
“我們模型的兩個關(guān)鍵優(yōu)勢是軟件免費可用且應(yīng)用方便,”該研究的另一位參與者Sachit Butail補充說。“任何人都可以使用我們的軟件測試許多不同的場景,并在現(xiàn)實的城市環(huán)境中評估不同政策的影響。尤為重要的是,這種預(yù)測的情景可以被決策者用來制定防控政策!
在當前的研究中,該團隊模擬了免疫力下降的影響,同時也考慮了COVID-19加強針的接種率和檢測能力。他們說,他們的發(fā)現(xiàn)包括兩方面:該模型一方面預(yù)測了接種加強針疫苗對改善免疫力下降的重要性,同時也證實了檢測的重要性——尤其是對無癥狀感染者的檢測——正如該團隊之前工作的發(fā)現(xiàn)所顯示的那樣。
研究作者亞歷山德羅·里佐說:“總而言之,我們對人群的模擬為證明‘加強針接種聯(lián)合有效檢測是應(yīng)對COVID-19爆發(fā)最有力的策略’提供了證據(jù),降低了封城的風險,而封城會對經(jīng)濟和心理都造成嚴重的傷害!
加強針辯論中的細微差別
雖然該模型提供了很多有效的見解,但作者承認其具有局限性。盡管對2021年夏收集的實際數(shù)據(jù)中進行了校準,但該模型的高清晰度是一系列假設(shè)的結(jié)果。其中,免疫力下降的時間是在有限的數(shù)據(jù)下根據(jù)一定的猜測建模得到的。此外,除了免疫力下降外,模擬的參數(shù)也沒有隨時間變化——這也意味著它們沒有考慮到由于各種變化導(dǎo)致的行為差異,如使用非藥物干預(yù)措施、疫苗接種率或檢測等。
“我們承認,以目前的情況,我們的模型不能準確再現(xiàn)2021年秋季/冬季觀察到的疫情數(shù)據(jù)! 他們在論文中寫道:“在我們模擬和編寫過程中,我們沒有觀察到Omicron變種的激增,但檢測和相關(guān)的防控政策在整個模擬過程中已經(jīng)動態(tài)變化了好幾次!
“然而,其他的模擬證實我們的研究結(jié)果在許多潛在未知的方面仍表現(xiàn)穩(wěn)定,從而說明我們的預(yù)測非?煽!
該團隊還強調(diào),關(guān)于加強針疫苗的爭議非常微妙,而這里提到的數(shù)據(jù)需要根據(jù)動態(tài)變化加以考慮。例如,在低收入國家只有5%的人口接種疫苗的情況下,特別是在疫苗分布不平等與出現(xiàn)新的、傳染性更強的變異有關(guān)的情況下,在富裕國家分發(fā)COVID-19加強針的道德標準是什么?
在接種疫苗的個體中,抗體水平的持續(xù)下降也一直令人擔憂。疫苗接種后,中和抗體滴度預(yù)計會下降;然而,目前發(fā)現(xiàn)較長壽命的記憶細胞反應(yīng)在mRNA疫苗接種后的幾個月內(nèi)增加。雖然這種增加的免疫反應(yīng)可能不會降低傳播的風險,但研究表明,僅接種兩劑疫苗后產(chǎn)生的持續(xù)T細胞水平仍然可以保護人們免受重癥和死亡的威脅。
Porfiri團隊開發(fā)的模型可以對這些特定情況提供更為明確的答案。如前所述,軟件的免費開放獲取意味著任何人都可以使用。
“我們覺得還是應(yīng)該保持警惕,而且繼續(xù)更新模型及運行預(yù)測情景來監(jiān)測情況是非常重要的! Porfiri說:“一場大流行的演變是一種高度復(fù)雜且非線性的現(xiàn)象,并且在目前的條件下,一個微小的變化都可能對疫情的演變產(chǎn)生重大影響!
轉(zhuǎn)載自: AdvancedScienceNews
郵政編碼:200052 電話:021-63800152 傳真:021-63800151 京ICP備15010734號-10 技術(shù):網(wǎng)至普網(wǎng)站建設(shè)