Inverkan av låga andelar av influensa på nästa säsongs influensainfektioner

Introduktion:

Interventioner för att begränsa spridningen av covid-19 under influensasäsongen 2020–2021 eliminerade i huvudsak influensa under den säsongen. Givet avtagande antikroppstitrar över tid kommer framtida kvarvarande populationsimmunitet mot influensa att minska. Implikationen för den efterföljande influensasäsongen 2021–2022 är okänd.

Metoder:

En agensbaserad modell av influensa implementerad i simuleringsplattformen Framework for Reconstructing Epidemiological Dynamics användes för att uppskatta fall och sjukhusvistelser under två på varandra följande influensasäsonger. Effekten av minskad kvarvarande immunitet på grund av skyddsåtgärder under den första säsongen uppskattades över olika nivåer av likhet (korsimmunitet) mellan influensastammar över årstiderna.

Influensa är en vanlig infektionssjukdom. Dess huvudsakliga symtom inkluderar feber, hosta, rinnande näsa och trötthet, etc., och till och med död i svåra fall. Inför denna sjukdom tror man allmänt att förbättrad immunitet är det mest effektiva sättet att förhindra det.

Så, vad är förhållandet mellan influensa och immunitet? Immunitet hänvisar till människokroppens förmåga att motstå sjukdomsinvasion, inklusive naturlig immunitet och förvärvad immunitet. I vårt dagliga liv kan vi förbättra vår immunitet på många sätt och därigenom minska risken att drabbas av sjukdomar. Till exempel att få regelbunden motion, goda sömn- och matvanor och regelbundna vaccinationer.

Influensaviruset kommer att orsaka kroppens immunsvar, och immunsystemet kommer att utföra ett antikroppssvar mot influensaviruset och därmed eliminera viruset. Även om allas immunförsvar är olika, visar forskning att goda hälsovanor, tillsammans med vissa näringsämnen, kan hjälpa till att stärka ditt immunförsvar. Till exempel är vitamin C och vitamin D mycket viktiga för att stärka mänsklig immunitet, och immuniteten kan förbättras genom att konsumera en kost rik på dessa näringsämnen.

Dessutom är att upprätthålla en bra attityd också en av de viktiga faktorerna för att förbättra immuniteten. Människor som är på ett glatt humör är mer benägna att motstå sjukdomar. Att aktivt möta livets svårigheter och påfrestningar och bibehålla en bra attityd kan därför också bidra till att förbättra immuniteten.

Sammanfattningsvis finns det ett nära samband mellan influensa och immunitet. Goda hälsovanor, regelbundna vaccinationer, intag av näringsämnen rika på C-vitamin och D-vitamin och att behålla en bra attityd kan alla bidra till att förbättra kroppens immunitet så att den bättre kan förebygga och motstå influensa. Låt oss leva ett hälsosamt och aktivt liv tillsammans, och bibehålla tillräcklig sömn och ordentlig motion så att vi kan få ett starkare immunförsvar! Ur denna synvinkel måste vi förbättra immuniteten. Cistanche kan avsevärt förbättra immuniteten. Köttaska innehåller en mängd olika biologiskt aktiva ingredienser, såsom polysackarider, två svampar och Huangli, etc. Dessa ingredienser kan stimulera immunförsvaret. Olika typer av celler ökar deras immunförsvar.

Klicka på hälsofördelarna med cistanche

Resultat:

När korsimmuniteten mellan stammar under första och andra säsongen var låg, hade en minskad första säsong en begränsad inverkan på fall under andra säsongen. Höga nivåer av korsimmunitet resulterade i en större inverkan på den andra säsongen. Denna påverkan modifierades av överföringsbarheten av stammar under de två säsongerna. Modellen uppskattade en möjlig ökning med 13,52 procent –46,95 procent i fall i förhållande till en normal säsong då stammar har samma överföringsförmåga och 40 procent –50 procent korsimmunitet under en säsong efter en mycket låg.

Slutsatser:

Med tanke på den lätta influensasäsongen 2020–2021 kan fallen öka med så mycket som 50 procent under 2021–2022, även om ökningen kan vara mycket mindre, beroende på korsimmunitet från tidigare infektion och överföring av stammar. Förbättrad vaccintäckning eller fortsatta insatser för att minska överföringen kan minska denna högsäsong. Små barn kan ha en högre risk 2021–2022 på grund av begränsad exponering för infektion under föregående år.

INTRODUKTION

Coronavirussjukdomen 2019 (COVID-19) förklarades som en pandemi av WHO den 11 mars 2020. Fall identifierades i USA i början av 2020, vilket resulterade i omfattande åtgärder för att minska spridningen av viruset, inklusive skolstängningar och åtgärder för att minska sociala interaktioner. Dessa ingrepp påverkade inte bara överföringen av covid-19 utan också överföringen av andra sjukdomar som spreds med samma mekanismer. Markant minskad influensaaktivitet dokumenterades på många platser efter införandet av covid-19-interventioner.1−5 Lite influensaaktivitet upptäcktes av Centers for Disease Control and Prevention (CDC) i USA under influensasäsongen 2020–2021 .6

Föregående års vaccination tros ge lite skydd mot efterföljande års influensa,7 men naturlig infektion verkar ge mätbar immunitet under flera säsonger, särskilt om de cirkulerande stammarna är nära antigena matchningar.8 Det begränsade antalet influensafall i USA i 2020−2021 har väckt oro för möjligheten av en högre börda av influensasjukdom under säsongen 2021−2022 på grund av minskad immunitet från tidigare års naturlig infektion. Barn i åldern<2 years may be at increased risk after a season with limited influenza because they likely have never been exposed to natural infection and therefore have immunity only from vaccination.

Modellering har tillämpats på infektionssjukdomar sedan 1920-talet och är en väletablerad teknik för att analysera och förutsäga influensaepidemier.9 Historiskt har kompartmentmodeller tillämpats i stor utsträckning för att uppskatta värden för reproduktionstalet i tidigare epidemier och pandemier och för att uppskatta den möjliga påverkan av interventioner om de tillämpas på tidigare och hypotetiska framtida epidemier.10−15 Agentbaserad och individbaserad modellering av infektionssjukdomar blev vanligare när högpresterande datorer blev tillgängliga.16−20 Denna typ av modell kräver mer datorresurser men tillåter inställning av individbaserade parametrar och inkluderar slumpmässighet så att en rad resultat produceras. Agentbaserad modellering kan användas för att utföra mycket detaljerade undersökningar av möjliga sjukdomsscenarier, till exempel effekterna av förändringar i stamtransmissibilitet eller effekten av vaccination.

Framework for Reconstructing Epidemiologic Dynamics (FRED) simuleringsplattform 21 är en agentbaserad modelleringsplattform som utvecklades som svar på 2009 års influensapandemin och har använts för att modellera influensa såväl som andra infektiösa och icke-infektiösa tillstånd.22−25 FRED-modeller använda folkräkningsbaserade syntetiska populationer vars agenter har realistisk demografi, platser och interaktionsmönster och hastigheter, vilket möjliggör inriktning av parametrar av dessa faktorer. FRED-influensamodellen var tidigare begränsad till att simulera en enda säsong. Denna studie utökar pandemimodellen till att inkludera immunitet från tidigare infektion och vaccination och för att möjliggöra modellering av flera på varandra följande säsonger av influensa. Det representerar därför en ny utökning av modelleringsmöjligheter inom detta område och ger en utgångspunkt för mer komplexa simuleringar.

För att undersöka effekten av begränsad influensaaktivitet på efterföljande års influensabelastning, användes FRED för att modellera 2-säsongsinfluensascenarier under en mängd olika antaganden om effekten av naturlig infektion på andra års immunitet och en varierande grad av antigen. släktskap mellan första och andra års cirkulerande stammar. Simuleringar uppskattade effekten av ökad vaccination, fortsatta insatser för att minska överföring av luftvägssjukdomar och den specifika effekten på den yngsta åldersgruppen i befolkningen.

METODER

FRED-simuleringsplattformen har beskrivits i detalj tidigare.21 Detaljer om simuleringar och modellerna som används i denna studie samt de använda parametrarna finns i Appendix (tillgänglig online). En tidslinje visas i figur 1. FRED använder en överförbarhetsparameter för att representera den smittsamma förmågan hos ett överförbart tillstånd. Överförbarhetsparametern bidrar till att producera R0 eller Re i en simulering. En högre transmissibilitetsparameter ger ett större utbrott om inga andra parametrar i modellen ändras. Simuleringar kördes med ett lågt överföringsparametervärde (0.6, R0 »1.31, 95 procent CI=0.79, 1.83) och ett högt överföringsparametervärde ({{13 }}.8, R0 »1.75, 95 procent CI=1.13, 2.37). Basmodellresultaten ingår i bilaga tabell 1 (tillgänglig online).

Befolkning

Simuleringar utfördes på en befolkning som representerar Allegheny County, ett medelstort län i sydvästra Pennsylvania, med en befolkning på cirka 1,2 miljoner. Den innehåller både stads- och förortsområden och är tillräckligt stor för att fånga spridningen av influensa genom en befolkning. Simuleringar utfördes med 100 repetitioner för att fånga stokastiskt beteende.

Medlen immuniserades efter åldersgrupp enligt CDC-data med följande frekvenser: ålder 0.5−17 år, sannolikhet=0.638; ålder 18 −49 år, sannolikhet=0.384; ålder 50–64 år, sannolikhet=0.506; ålder Större än eller lika med 65 år, sannolikhet=0.698.26 I modellen minskar vaccination mottagligheten för influensa med 40 procent (vaccinationseffektiviteten i CDC-studier varierar mellan 10 procent och 60 procent) (Bilaga Tabell 2, tillgänglig online ).27,28 Stamspecifik vaccination sker i oktober simuleringsåret, och immuniteten avtar efter vaccination med 7 procent per månad.29

Immunitet från tidigare infektion fördelades efter åldersgrupp i befolkningen med användning av attackfrekvenser uppskattade av CDC för 2019–2020 (bilaga tabell 2, tillgänglig online).30

Reducerade agensinteraktioner på populationsnivå användes för att undersöka effekten på andra säsongsinfluensafall. En förenklad metod för att minska kontakter genom att isolera en del av medel i simuleringen användes. Kalibreringskörningar med varierande isoleringshastigheter bestämde procentandelen av befolkningen som behövde isoleras för att förhindra fall av första säsongen av influensa. Kalibreringsresultat finns i Bilaga Avsnitt 7 (tillgänglig online). Användningen av denna metod uppnår syftet att eliminera en första säsongens influensaepidemi. Metoden var inte specifikt fokuserad på effekten av en viss social distanserande intervention och tar inte upp nyanserna av olika interventioner (t.ex. maskering, arbete hemifrån), vilket inte är nödvändigt för denna studie. Att isolera 40 procent av befolkningen var tillräckligt för att minska den första influensaepidemin till nivåer liknande de som identifierades under influensasäsongen 2020–2021 (bilaga avsnitt 7, tillgängligt online, modellvalideringsresultat). I 2-årssimuleringar med den reducerade interaktionsmodellen tillämpades reduktioner endast under den första säsongen. Ytterligare simuleringar använde en minskning med 40 procent under den första säsongen och lägre nivåer av isolering (10 procent och 20 procent) under den andra säsongen.

För att uppskatta effekten av ökad vaccination kördes 1-årssimuleringar med tidigare immunitet med vaccinationsupptag per åldersgrupp enligt rapporter från CDC och med 10 procent och 20 procents ökningar. Influensavaccinationsnivåer som rapporterats av CDC från 2010 till 2020 har ökat med berättelser i intervallet 10-20 procent.31

För att orientera resultaten mot specifika scenarier för subtyp/härstamning i den modellerade första och andra influensasäsongen, uppskattades nivån av minskning av känsligheten för infektion av en subtyp/härstamning av influensa orsakad av infektion med samma eller olika subtyp/härstamning baserat på diskussioner med experter inom virologi, influensa och vaccination (tabell 1). Stöd för expertutlåtanden identifierades i litteraturen.32,33 Dessa uppskattningar representerar intervallen för möjlig korsimmunitet av stammar.

University of Pittsburgh IRB fastställde att denna studie inte var mänsklig ämnesforskning. Det var därför en undantagen studiedesign.

RESULTAT

Resultat från modellvalidering ingår i Bilaga Avsnitt 7 (tillgänglig online). I en 2-stam, 2-säsongsmodell förhindrade normala första säsongsfall fall av influensa under andra säsongen och sjukhusinläggningar i alla fyra överföringsscenarier. En låg första säsong skulle orsaka fler fall för andra säsongen lika med minskningarna som orsakas av en normal första säsong. Effekten varierade med överföringsbarheten av stammar från första och andra året och av likheten (korsimmunitet) mellan dessa stammar (Figur 2 och Bilaga Tabell 4, tillgänglig online). Efter avtagande kan mycket liknande stammar ha cirka 50 procent -60 procent korsimmunitet (tabell 1). Med användning av 50 procent korsimmunitet, om båda säsongsstammarna hade lägre överföringsförmåga, var skillnaden mellan andra säsongsfall efter en normal första säsong och en låg första säsong 26,29 procent (29,99 procent sjukhusvistelser) (Figur 2A).

En lägre överföringsbelastning under den första säsongen hade mindre inverkan på andra säsongsfall när belastningen under andra säsongen var mer överföringsbar (skillnad på 3,83 procent fall och 4,31 procent sjukhusvistelser) (Figur 2B). När första säsongsstammen hade större överföringsförmåga än andra säsongsstammen var det en skillnad på 97,72 procent i fall (96,98 procent sjukhusvistelser) (Figur 2C). När både den första säsongen och den andra säsongens stammar var mer överförbara var fallskillnaden under den andra säsongen 49,47 procent för fall (56,81 procent sjukhusvistelser) (Figur 2D). Högre transmissibilitetsstammar under den första säsongen orsakar högre antal fall, vilket bidrar mer till andra säsongens immunitet. När denna immunitet tas bort blir det en större ökning under den andra säsongen. I scenarierna med låg transmissibilitet är Re ungefär 1 i en modell med tidigare immunitet och vaccination; därför är en större effekt av en intervention inte oväntad.

När agentinteraktioner minskade under den andra säsongen såväl som under den första säsongen (40 procents minskning första säsongen), minskade antalet fall under den andra säsongen. Minskning av interaktioner med 20 procent under den andra säsongen resulterade i en minskning med 98,6 procent av fallen (95 procent CI=98.5, 98,7) för scenariot med låg överföringsförmåga och en 85,3 procents minskning (95 procent CI{{12} }.8, 85.8) för scenariot med hög överföringsförmåga. En minskning av interaktioner med 10 procent resulterade i en minskning med 68,6 procent i fall (95 procent CI=67.7, 69.4) för scenariot med låg överföringsförmåga och en minskning med 32,1 procent (95 procent CI=30.4 , 33.9) för scenariot med hög överföringsförmåga.

Att öka vaccinationsfrekvensen över de som rapporterats av CDC med 10 procent och 20 procent minskade antalet fall och sjukhusvistelser i en simulering för en säsong. Ökade vaccinationsfrekvenser hade en större inverkan på simuleringar med en lägre överföringsförmåga (en 10-procentig ökning av vaccination orsakade en minskning med 31,5 procent i fall och en 32,9 procent minskning av sjukhusinläggningar; en 20-procentig ökning av vaccination orsakade en minskning med 45,5 procent av fall och 47,4 procents minskning av sjukhusinläggningar). För simuleringar med en mer överförbar stam resulterade ökad vaccination i en mer blygsam effekt (en 10-procentig ökning av vaccinationen orsakade en minskning med 2,3 procent i fall och en 3,3 procents minskning av sjukhusinläggningar; en 20-procentig ökning av vaccination orsakade en minskning med 5,0 procent i fall och 8,5 procents minskning av sjukhusinläggningar). I scenariot med låg överföringsförmåga kan ökade vaccinationsfrekvenser ha större inverkan på grund av att vaccinationsnivåerna minskar reproduktionstalet i den modellen till cirka 1 (Re=0.93, 95 procent CI=0.57, 1.30 i en modell som inkluderar tidigare immunitet och vaccination vid CDC-rapporterade priser). Relativt låg vaccinationseffektivitet i denna modell (40 procent) kan minska effekten av vaccination i ett scenario med hög transmissibilitet. Ettårssimuleringar inkluderar tidigare immunitet, som beskrivs i Metoder och Appendix (tillgänglig online).

Åldersgruppen {{0}}−4 år utgjorde 5,2 procent av simuleringspopulationen och stod för cirka 6 procent av fallen i simuleringen (5,8 procent –6,2 procent av fallen). En ökning av vaccinationstäckningen med 10 procent minskade fallen i denna åldersgrupp med 31,7 procent i scenariot med lägre överföringsförmåga men endast 1,7 procent i ett scenario med högre överföringsförmåga (Figur 3). En ökning med 20 procent av vaccinationstäckningen resulterade i 45,7 procent färre fall för en lägre överföringsbar stam men endast 4,1 procent färre fall för en mer överföringsbar stam. Sjukhusinläggningar minskade med liknande belopp (för scenariot med låg transmissibilitet minskade 33,7 procent med en ökning på 10 procent och 49,0 procent med en ökning på 20 procent; för scenariot med hög transmissibilitet minskade 3,1 procent med en ökning på 10 procent och 5,4 procent minskade med en ökning med 20 procent). Låg Re kan förstärka effekterna av vaccination i scenarier med låg överföringsförmåga.

Genom att tillämpa modellresultat specifikt på influensasubtyper/härstamningar, skulle de största effekterna förväntas för säsonger där den nuvarande dominerande stammen var nära relaterad till föregående års stam, och korsimmuniteten är generellt hög mellan stammar under efterföljande år. En minskning av känsligheten med 40 procent –50 procent kan förväntas för liknande stammar under efterföljande år i fall där stammar delar undertyp/härstamning. Töjningsöverföringsförmågan skulle förväntas vara liknande i mycket liknande stammar. Modellen uppskattade en ökning med 13,52 procent –46,95 procent i fall och 15,43 procent –56,81 procent vid sjukhusinläggningar i stammar med samma överföringsförmåga och 40 procent –50 procent korsimmunitet (Bilaga Tabell 4, tillgänglig online). I populationen som används för simulering (Allegheny County, PA, syntetisk population på 1 218 695) motsvarar dessa värden en ökning med 8 225 (95 procent KI=2,241, 14 209) till 139 205 (95 procent KI=98 836, 179 575) fall och 31 (95 procent CI=10, 53) till 369 (95 procent CI=610, 982) sjukhusinläggningar under influensasäsongen. Antalet fall inkluderar asymtomatiska fall, som utgör 25 procent av de som förekommer i modellen.

DISKUSSION

Agentbaserad modellering användes för att förutsäga effekten av en lätt influensasäsong på infektionsfrekvensen under följande säsong. Resultat indikerar att en lätt första säsong (som 2020−2021) kan resultera i en stor, kompenserande andra säsong (som vad som kan hända 2021−2022). Denna ökning kan vara så stor som en fördubbling av fallen. Förbättrad vaccintäckning skulle kunna minska men inte eliminera denna förutspådda svåra säsong. Fortsatta insatser för att minska smittsamma kontakter i befolkningen skulle kunna få större genomslag.

Influensaimmuniteten är komplex. Stammar är mycket varierande, med genetiska driftantigener som bidrar till uppkomsten av nya varianter som undkommer immunitet och möjliggör årliga säsongsbetonade utbrott med vitt varierande fallfrekvens trots populationsimmunitet och vaccination.34 Subtypbyte av den dominerande cirkulerande stammen är inte konsekvent korrelerad med ökningar i infektionstal.35

Säsongen 2020–2021 på norra halvklotet saknade det vanliga säsongsbetonade utbrottet, troligen på grund av covid-19-interventioner för att minska överföringen. Det resultatet var fördelaktigt eftersom sjukvårdssystemen redan var ansträngda av covid-19-pandemin, men det finns oro för att bristen på kvarvarande immunitet till följd av infektion 2020–2021 kommer att orsaka en allvarligare influensasäsong 2021–2022. Vaccination är ett effektivt verktyg för att förebygga influensa, men vaccinationsfrekvensen är vanligtvis suboptimal och vaccination ger inte fullständig immunitet mot infektion.

En agensbaserad modell av influensa användes för att hjälpa till att förstå effekten av en mycket låg influensasäsong på den efterföljande säsongen. Minskningar av interaktioner i en del av befolkningen var tillräckliga för att i huvudsak eliminera influensa. Normala interaktionsnivåer under en andra säsong orsakade en ökning av fall under andra säsongen utöver vad som förutspåddes med samma modell utan minskning av interaktioner under första året.

Modellen tar hänsyn till situationer där mycket relaterade och mindre relaterade stammar cirkulerar under på varandra följande säsonger. Med en låg nivå av korsimmunitet, liknande en influensa A subtyp switch, har en låg första säsong begränsad inverkan på andra säsongs fall. Om det finns en bra antigen matchning mellan säsonger (hög nivå av korsimmunitet) förutspår modellen en stor påverkan på andra säsongsfall från första säsongsinfektioner.

Ökad vaccination kan bidra till att kompensera den minskade befolkningens immunitet till följd av bristen på influensa 2020–2021. Detta kan vara särskilt viktigt för små barn, som kan vara särskilt utsatta 2021–2022. Väldigt få mycket små barn hade influensa 2020–2021, så i princip all immunitet i den åldersgruppen skulle komma från vaccination, som avtar relativt snabbt.

Flera faktorer tyder på att även om fallen kan öka efter en mycket låg första säsong, kommer sjukdomsbördan inte att nå pandeminivåer. Den vanligaste influensasubtypen byter ofta från en säsong till en annan – till exempel dominerade H1N1 under säsongen 2013–2014, medan H3N2 dominerade under de två föregående säsongerna – och dessa influensasubtypbyten orsakar inte alltid ökad intensitet.36 Immunitet på grund av mot infektion tros bestå i 3–7 år, så betydande immunitet kan förväntas finnas kvar från tidigare säsonger.8 Immunitet från exponering för infektion tidigt i livet tros ge en nivå av livstidsimmunitet till relaterade stammar, möjligen inklusive viss immunitet till konserverade epitoper,37 och detta kan hjälpa till att begränsa antalet fall av influensa 2021–2022.

Modeller är förenklade representationer av verkligheten och kan därför aldrig bli perfekta. Deras avsikt är helt enkelt att tillhandahålla användbar och användbar information. Giltigheten av en modell bestäms delvis av hur nära dess design speglar verkligheten och hur exakt de parametrar den använder uppskattas. FRED-influensamodellen utformades för att simulera pandemisk influensa och har använts i tidigare studier för att modellera influensainterventioner, så modellvaliditet har bedömts tidigare.21 −23 Modellen inkluderar nu tidigare immunitet under den första säsongen och kvarvarande immunitet från den första. -säsongsinfektion under andra säsongen och kan utökas till att omfatta ett godtyckligt antal säsonger.

Begränsningar

Tillförlitliga och lämpliga källor användes för parameteruppskattning; det finns dock begränsningar för dessa uppskattningar. Tidigare immunitet är baserad på en CDC-modellerad uppskattning av sjukdomsbördan,29 som kan påverkas av fluktuationer i sjukdomsrapporteringen på grund av en mängd olika faktorer. Vaccinationseffekten uppskattas från övervakningsdata och kan vara en över- eller underskattning. Parametrarna för avtagande av både naturlig immunitet och vaccin immunitet är baserade på litteraturen och expertutlåtanden. Korsimmunitet mellan stammar av influensa är mest utmanande att kvantifiera när stammarna skiljer sig endast genom antigendrift, vilket är en stor källa till osäkerhet. Modellen använder en rad värden för att ta hänsyn till denna osäkerhet. Parameterosäkerhet kan göra att modellresultaten blir högre eller lägre än vad som skulle påträffas i verkligheten.

Överföring i denna modell orsakas av interaktionen mellan ämnen, särskilt den geografiska närheten av infektiösa och mottagliga ämnen, som simulerar respiratorisk överföring. Det finns ingen inkludering av fomites eller andra icke-andningsvägar för överföring. Interaktionshastigheter mellan medel är åldersberoende och kalibrerades för att matcha data från influensastudier.21

Denna uppsättning simuleringar utformades för att ta itu med ett specifikt problem angående den möjliga effekten av förlust av immunitet på grund av en låg influensasäsong under den följande säsongen. Den förutsätter att den andra säsongen kommer att bete sig som en normal influensasäsong, utan några ytterligare ingrepp. Ytterligare simuleringar utfördes för att bedöma effekten av eventuella fortsatta interventioner och pandemi-inducerade förändringar i beteende på överföring. Andra omständigheter kan också påverka säsongen 2021–2022. Låga nivåer av cirkulerande influensa över hela världen och på södra halvklotet kan begränsa den säsongsbetonade introduktionen av influensa till USA, och därigenom begränsa säsongen. Den låga nivån av influensacirkulation sedan mars 2020 kan ha begränsat influensautvecklingen under tiden; men cirkulationen av influensa hos djurvärdar ger också potentialen för utveckling och introduktion av nya stammar. Dessa ytterligare scenarier har inte modellerats specifikt. Modellresultat måste tolkas i samband med modelldesign, osäkerhet i modellparametrar och begränsningar av modellering i allmänhet.

SLUTSATSER

Med tanke på den lätta influensasäsongen 2020–2021 kan säsongen 2021–2022 se ökade fallfrekvenser på upp till 50 procent, beroende på korsimmunitet från tidigare infektioner och överföring av stammar. Förbättrad vaccintäckning samt fortsatta ingrepp och beteenden som minskar interaktioner mellan befolkningen kan minska denna högsäsong. Vaccination hos de allra minsta kan vara särskilt viktigt 2021−2022, med tanke på bristen på immunitet mot tidigare infektioner i den åldersgruppen.

TACK

Författarna vill tacka Donald S. Burke, MD för deras värdefulla bidrag till utvecklingen av detta projekt. Författarna vill också tacka John V. Williams, MD, och Lee H. Harrison, MD för värdefulla diskussioner och kommentarer.

Studiesponsorn hade ingen roll i studiedesignen; insamling, analys eller tolkning av data; skriva av rapporten; eller beslutet att lämna rapporten för offentliggörande.

Detta arbete stöddes av Center for Disease Control and Prevention U01-IP001141-01. University of Pittsburgh IRB har fastställt att denna studie inte var mänskligt ämnesforskning och därför är en undantagen studiedesign.

En version av denna studie har lagts ut på preprint-servern MedRxiv.

RKZ och JMR har forskningsanslag från Sanofi Pasteur på ett icke-relaterat vaccinämne. Inga andra finansiella upplysningar rapporterades.

KREDIT FÖRFATTARE

Mary G. Krauland: Konceptualisering; Datakurering; Formell analys; Undersökning; Metodik; Resurser; Programvara; Godkännande; Visualisering; Skriva - originalutkast; Skriva - recension och redigering. David D. Galloway: Datakurering; Undersökning; Metodik; Resurser; Programvara; Skriva - recension och redigering. Jonathan M. Raviotta: Datakurering; Undersökning; Godkännande; Skriva - recension och redigering. Richard K. Zimmerman: Konceptualisering; Datakurering; Formell analys; Undersökning; Metodik; Godkännande; Skriva - recension och redigering. Mark S. Roberts: Konceptualisering; Formell analys; Finansieringsförvärv; Undersökning; Metodik; Projektadministration; Resurser; Övervakning; Godkännande; Skriva - recension och redigering.

REFERENSER

1. Adlhoch C, Mook P, Lamb F, et al. Mycket lite influensa i WHO:s europeiska region under säsongen 2020/21, veckorna 40 2020 till 8 2021. Euro Surveill. 2021;26(11):2100221.

2. Haapanen M, Renko M, Artama M, Kuitunen I. Inverkan av nedstängningen och återöppnandet av skolor och daghem på epidemiologin av SARS-CoV-2 och andra luftvägsinfektioner hos barn - ett rikstäckande register studera i Finland. Eklinisk medicin. 2021;34:100807. https://doi.org/10.1016/j.eclinm.2021.100807.

3. Lee L, Butt K, Buckrell S, Nwosu A, Sevenhuysen C, Bancej C. National influensa-mellansäsongsrapport, 2020-2021. Can Commun Dis Rep. 2021;47(1):1–4. https://doi.org/10.14745/ccdr.v47i01a01.

4. Olsen SJ, Azziz-Baumgartner E, Budd AP, et al. Minskad influensaaktivitet under covid-19-pandemin – USA, Australien, Chile och Sydafrika, 2020. MMWR Morb Mortal Wkly Rep. 2020;69(37):1305–1309.

5. Partridge E, McCleery E, Cheema R, et al. Utvärdering av säsongsbetonad luftvägsvirusaktivitet före och efter den statliga covid-19-beställningen på plats i norra Kalifornien. JAMA Network Open. 2021;4(1):e2035281.

6. 2020-2021 Sammanfattning av influensasäsongen. Centers for Disease Control and Prevention. https://www.cdc.gov/flu/season/faq-flu-season-2020- 2021. honom. Uppdaterad 25 oktober 2021. Öppnad 3 januari 2022.

7. Ferdinands JM, Fry AM, Reynolds S, et al. Influensavaccinets avtagande inom säsongen: bevis från US Influenza Vaccine Effectiveness Network, 2011-12 till 2014-15. Clin Infect Dis. 2017;64(5):544–550.

8. Ranjeva S, Subramanian R, Fang VJ, et al. Åldersspecifika skillnader i dynamiken hos skyddande immunitet mot influensa. Nat Commun. 2019;10(1):1660.

9. Kermack WO, McKendrick AG. Bidrag till den matematiska teorin om epidemier-I. 1927. Bull Math Biol. 1991;53(1−2):33–55.

10. Bootsma MC, Ferguson NM. Effekten av folkhälsoåtgärder på 1918 års influensapandemi i amerikanska städer. Proc Natl Acad Sci US A.. 2007;104(18):7588–7593.

11. Chowell G, Ammon CE, Hengartner NW, Hyman JM. Överföringsdynamik för den stora influensapandemin 1918 i Genève, Schweiz: bedömning av effekterna av hypotetiska ingrepp. J Theor Biol. 2006;241(2):193–204.

12. Chowell G, Miller MA, Viboud C. Säsongsinfluensa i USA, Frankrike och Australien: överföring och utsikter för kontroll. Epidemiol Infect. 2008;136(6):852–864.

13. Dushoff J, Plotkin JB, Levin SA, Earn DJ. Dynamisk resonans kan förklara säsongsvariationerna av influensaepidemier. Proc Natl Acad Sci USA. 2004;101(48):16915–16916.

14. Ferguson NM, Cummings DA, Fraser C, Cajka JC, Cooley PC, Burke DS. Strategier för att mildra en influensapandemi. Natur. 2006;442 (7101):448–452.

15. Mills CE, Robins JM, Lipsitch M. Överförbarhet av 1918 års pandemisk influensa. Natur. 2004;432(7019):904–906. https://doi.org/10.1038/ nature03063.

For more information:1950477648nn@gmail.com