Matematisk modellering kan förbättra influensavaccinets effektivitet, enligt experter vid Rice University – där en sådan modell har funnits i mer än 15 år – och dess Baker Institute for Public Policy.

Michael Deem, John W. Cox professor i biokemisk och genteknik vid Rice; Melia Bonomo, en Ph.D. kandidat i fysik och astronomi vid universitetet; och Kirstin Matthews, en stipendiat i vetenskaps- och teknikpolitik vid Center for Health and Biosciences vid Baker Institute, redogjorde för sina insikter i en ny policybrief, "Förbättra effektiviteten av det årliga influensavaccinet."

Säsongsinfluensa (influensa) orsakar så många som 49 miljoner sjukdomar och 79, 000 dödsfall i USA årligen sedan 2010. För att bekämpa dess inverkan, Centers for Disease Control and Prevention (CDC) rekommenderar att alla friska barn och vuxna får en influensavaccination varje år. Under 2017-18, 58 procent av friska barn (6 månader till 17 år) och endast 37 procent av vuxna fick vaccinet. Ungefär 80 procent av pediatriska dödsfall i influensa under den säsongen var barn som var ovaccinerade.

"Att utveckla ett vaccin i tid till början av influensasäsongen på hösten, forskare måste börja i början av januari, ", skrev författarna. "Den nuvarande metoden som CDC använder innebär att forskare vaccinerar illrar med flera vaccinkandidater. De extraherar sedan antikropparna från illrarna för att uppskatta vilket vaccin som var mest effektivt mot de dominerande virusen från föregående influensasäsong. Denna metod har använts i nästan 50 år. Dock, det har visat sig vara inkonsekvent när det gäller att förutsäga hur väl vaccinerna skulle fungera på människor, speciellt med den senaste tiden, snabbt muterande A(H3N2)-virus. Dessutom, experiment med illrar är tidskrävande och kostsamma."

Däremot matematiska modeller, inklusive en modell utvecklad på Rice för mer än 15 år sedan, tillåta forskare att beräkna hur väl influensavaccinet matchar de infekterande virusen. Rismodellen, kallad pEpitope, uppskattar vaccinets effektivitet, och det har visat sig fungera bra för influensa A(H3N2), A(H1N1)- och B-vacciner. För influensasäsongen 2018-19, Risforskare förutspår att vaccinet kommer att vara mellan 20 och 40 procent effektivt mot majoriteten av A(H3N2)-virus.

"Folkhälsoforskare är ofta långsamma med att förändra, " skrev författarna. "Trots det faktum att Rices pEpitope-modell har funnits i mer än 15 år, det är oklart varför CDC ännu inte har utnyttjat det för att utveckla sitt säsongsbundna influensavaccin. Att lägga till en sådan modell till de redan existerande illerexperimenten kommer att förbättra den nuvarande beslutsprocessen för vaccination.

"Denna matematiska modelleringsteknik kan snabbt begränsa de virus som skulle vara goda kandidater för vaccinet under en viss influensasäsong, " fortsatte de. "Den kan tjäna som en kontroll för att säkerställa att vaccinviruset inte muterar under tillverkningsprocessen. pEpitope-modellen är också billig, eftersom det inte kräver någon specialutrustning. Till sist, det går väldigt snabbt, det tar bara ett par sekunder att analysera den potentiella effektiviteten av ett vaccin mot tusentals infekterande virus i en viss geografisk region."

Författarna sa att CDC borde stärka sina nuvarande protokoll för att välja vaccinkandidater genom att använda alla tillgängliga prediktionsmodeller. "Detta kommer att förbättra den totala effektiviteten av influensavaccin och potentiellt täckningsgrad också, " skrev de. "Forskarna hoppas att med förbättrad effektivitet, de kommer också att kunna förbättra vaccinets täckningsgrad, som fortfarande ligger bakom CDC:s mål för Healthy People 2020 på 70 procent. Med tanke på svårigheten att producera effektiva vacciner och det allmänna klimatet av allmänhetens misstro mot immunisering, Detta arbete har potential att förbättra valet och utbildningen av vaccinstam genom att tillhandahålla ett verktyg som är tillgängligt för både forskare och medborgarforskare."