Wiskundige modellen kunnen de effectiviteit van het griepvaccin verbeteren, volgens experts van Rice University - waar zo'n model al meer dan 15 jaar bestaat - en het Baker Institute for Public Policy.

Michael Deem, de John W. Cox hoogleraar biochemische en genetische manipulatie aan Rice; Melia Bonomo, een doctoraat kandidaat in de natuurkunde en sterrenkunde aan de universiteit; en Kirstin Matthews, een fellow in wetenschaps- en technologiebeleid in het Center for Health and Biosciences van het Baker Institute, hun inzichten uiteengezet in een nieuwe beleidsbrief, "Verbetering van de effectiviteit van het jaarlijkse griepvaccin."

Seizoensinfluenza (griep) veroorzaakt maar liefst 49 miljoen ziekten en 79, 000 doden in de Verenigde Staten sinds 2010. Om de impact ervan te bestrijden, de Centers for Disease Control and Prevention (CDC) beveelt aan dat alle gezonde kinderen en volwassenen elk jaar een griepvaccinatie krijgen. In 2017-18, 58 procent van de gezonde kinderen (6 maanden tot 17 jaar oud) en slechts 37 procent van de volwassenen kreeg het vaccin. Ongeveer 80 procent van de pediatrische sterfgevallen als gevolg van griep tijdens dat seizoen waren kinderen die niet waren gevaccineerd.

"Om op tijd een vaccin te ontwikkelen voor het begin van het griepseizoen in de herfst, wetenschappers moeten begin januari beginnen, " schreven de auteurs. "De huidige methode die de CDC gebruikt, omvat wetenschappers die fretten vaccineren met verschillende vaccinkandidaten. Vervolgens halen ze de antistoffen uit de fretten om in te schatten welk vaccin het meest effectief was tegen de dominante virussen van het vorige griepseizoen. Deze methode wordt al bijna 50 jaar gebruikt. Echter, het is bewezen dat het inconsistent is in het voorspellen van hoe goed de vaccins bij mensen zouden presteren, vooral met de recente snel muterende A(H3N2)-virussen. Aanvullend, experimenten met fretten zijn tijdrovend en kostbaar."

Daarentegen, wiskundige modellen, inclusief een model dat meer dan 15 jaar geleden bij Rice is ontwikkeld, laten wetenschappers berekenen hoe goed het griepvaccin past bij de infecterende virussen. Het rijstmodel, genaamd pepitoop, schat de effectiviteit van vaccins, en het is aangetoond dat het goed werkt bij griep A(H3N2), A(H1N1)- en B-vaccins. Voor het griepseizoen 2018-19, Rice-wetenschappers voorspellen dat het vaccin tussen de 20 en 40 procent effectief zal zijn tegen de meeste A(H3N2)-virussen.

"Onderzoekers op het gebied van de volksgezondheid veranderen vaak langzaam, " schreven de auteurs. "Ondanks het feit dat het pEpitope-model van Rice al meer dan 15 jaar bestaat, het is onduidelijk waarom de CDC er nog geen gebruik van heeft gemaakt bij de ontwikkeling van hun seizoensgriepvaccin. Het toevoegen van een dergelijk model aan de reeds bestaande fretexperimenten zal het huidige besluitvormingsproces over vaccinatie verbeteren.

"Deze wiskundige modelleringstechniek kan snel de virussen beperken die goede kandidaten zouden zijn voor het vaccin tijdens een bepaald griepseizoen, " vervolgden ze. "Het kan dienen als een controle om ervoor te zorgen dat het vaccinvirus niet muteert tijdens het productieproces. Het pEpitope-model is ook goedkoop, omdat er geen gespecialiseerde apparatuur voor nodig is. Eindelijk, het is extreem snel, het duurt slechts een paar seconden om de potentiële effectiviteit van een vaccin tegen duizenden infecterende virussen in een bepaalde geografische regio te analyseren."

De auteurs zeiden dat de CDC zijn huidige protocollen voor het kiezen van vaccinkandidaten moet versterken door gebruik te maken van alle beschikbare voorspellingsmodellering. "Dit zal de algehele effectiviteit van griepvaccins en mogelijk ook de dekkingspercentages verbeteren, schreven ze. "Wetenschappers hopen dat met verbeterde effectiviteit, ze zullen ook in staat zijn om de vaccinatiegraad te verbeteren, die nog steeds achter de Healthy People 2020-doelstelling van 70 procent van de CDC staan. Gezien de moeilijkheid om effectieve vaccins te produceren en het algemene klimaat van wantrouwen bij het publiek ten aanzien van immunisatie, dit werk heeft het potentieel om de selectie en het onderwijs van vaccinstammen te verbeteren door een hulpmiddel te bieden dat toegankelijk is voor zowel onderzoekers als burgerwetenschappers."