Les premières doses du vaccin Pfizer Covid-19 sont administrées aux employés de la santé de l’Iowa State University le vendredi 18 décembre 2020, au Thielen Student Health Center. Crédit : Christopher Gannon/Iowa State University
Il y a un an, au milieu de la flambée COVID-19[feminine cas et une offre limitée de vaccins nouvellement développés, les Centers for Disease Control and Prevention des États-Unis ont été confrontés à une grande question : qui devrait être en première ligne pour obtenir un vaccin ? Étudiants vivant dans des dortoirs universitaires ou personnes vivant avec une maladie rénale chronique? Grands-mères ou professeurs ? Parallèlement aux objectifs de réduction globale des infections et des décès, le CDC visait à empêcher les hôpitaux d’être submergés et à assurer un accès équitable aux vaccins COVID-19.
Les chercheurs de l’Iowa State University faisaient partie d’une équipe évaluant 17,5 millions de stratégies possibles que le CDC aurait pu recommander l’hiver dernier aux gouvernements étatiques, territoriaux, tribaux et locaux pour le déploiement du vaccin COVID-19. Dans un article récemment publié, les chercheurs valident généralement la recommandation ultime du CDC, tandis que le modèle mathématique développé par l’équipe met également en évidence quelques améliorations mineures. Le travail pourrait aider à éclairer la conception de futures stratégies de vaccination aux États-Unis et à l’étranger.
Le CDC a recommandé quatre groupes prioritaires échelonnés pour les vaccins COVID-19 :
- Phase 1a comprenaient le personnel de santé et les résidents des établissements de soins de longue durée.
- Phase 1b inclus la ligne de front non-soins de santé travailleurs essentiels (ex. policiers, pompiers, éducatrices) et les personnes de 75 ans et plus.
- Phase 1c inclus d’autres travailleurs essentiels (par exemple, chauffeurs de bus, caissiers de banque), les 16-64 ans avec risque accru de maladie COVID-19 grave et 65-74 ans.
- Phase 2 incluaient les 16-64 ans sans conditions à haut risque ou comorbidités.
“La stratégie du CDC a très bien fonctionné lorsque nous l’avons comparée à toutes les autres stratégies possibles, en particulier pour prévenir les décès dans tous les groupes d’âge”, a déclaré Claus Kadelka, professeur adjoint de mathématiques et auteur correspondant de l’article publié dans PLOS ONE. «Nos recherches montrent que la priorité plus élevée du CDC aux travailleurs essentiels de première ligne, aux personnes âgées et aux personnes présentant des facteurs de santé sous-jacents était une stratégie très efficace pour réduire la mortalité due au COVID-19, tout en gardant le nombre global de cas à distance.»
(A) Corrélation de Spearman entre quatre mesures de la charge de morbidité basée sur une comparaison complète des 17,5 millions de stratégies significatives d’allocation de vaccins en quatre phases. (B) Frontière de Pareto de toutes les stratégies optimales basées sur une recherche mondiale de l’ensemble des 17,5 millions de stratégies d’allocation de vaccins significatives. Pour les stratégies sur la frontière de Pareto, il n’existe pas d’autre stratégie qui fonctionne mieux dans un objectif (minimiser les décès ou les cas) sans être moins performante dans l’autre objectif. Le nombre de décès et de cas résultant de quatre attributions spécifiques est mis en évidence. (C) Pour les quatre stratégies mises en évidence en (B), la répartition de tous les décès résultants dans les quatre groupes d’âge est indiquée comme mesure d’équité. (DF) Les frontières de Pareto de toutes les stratégies optimales sont montrées en limitant (D) les enfants, (E) les travailleurs de la santé sans comorbidités, (F) les 16-64 ans sans comorbidités et sans occupation essentielle à une certaine phase prioritaire. S8 La figure contient les frontières de Pareto pour toutes les sous-populations. Crédit : Islam et al., 2021, PLOS ONE, CC-BY 4.0
Pour évaluer les recommandations du CDC, Kadelka et l’équipe de recherche ont construit un modèle mathématique qui incorporait les quatre phases échelonnées de l’agence pour un déploiement de vaccin et 17 sous-populations basées sur des facteurs tels que l’âge, les conditions de vie et la profession. Les individus appartenaient à l’une des 20 catégories, telles que « sensible au virus », « entièrement vacciné », « actuellement infecté », « infecté mais sans symptômes de COVID-19 » et « récupéré ». Les chercheurs ont également incorporé plusieurs caractéristiques importantes de la pandémie de COVID-19, telles que l’hésitation à la vaccination, les niveaux de distanciation sociale basés sur le nombre de cas actuels aux États-Unis et les différents taux d’infection pour différentes variantes du virus.
“Nous avons exécuté le modèle 17,5 millions de fois sur le supercalculateur de l’ISU, et pour chaque exécution, nous avons enregistré et finalement comparé plusieurs mesures de résultats : nombre prévu de décès, nombre prévu de cas, etc.”, a déclaré Kadelka.
La vaccination des enfants à l’exception de la dernière phase du déploiement du vaccin a toujours conduit à un résultat non optimal dans le modèle. Les chercheurs ont déclaré que les recommandations du CDC auraient pu être optimales si davantage de personnes présentant des facteurs de risque connus de COVID-19 avaient été prioritaires par rapport aux personnes de leur cohorte sans risques pour la santé. Cependant, les gains auraient été faibles (c’est-à-dire moins de 1% de décès et d’années de vie perdues en moins, et 4% de cas et d’infections en moins), et Kadelka a déclaré que le modèle ne prend pas en compte les éventuels défis logistiques.
«Nous n’en savons pas assez sur la situation dans les maisons de soins infirmiers pour savoir à quel point il serait facile de distinguer quels résidents ont des facteurs de risque plus élevés qui les placeraient en tête de la ligne de vaccination. C’est quelque chose que vous pouvez faire dans un modèle mathématique, mais cela pourrait être difficile dans la pratique », a ajouté Kadelka.
Kadelka a déclaré qu’une partie de ce qui rend le modèle unique est qu’il prend en compte dans quelle mesure un vaccin empêche une personne d’être infectée, de développer des symptômes et de transmettre le virus à d’autres, ce qui peut changer avec le temps, voire varier en fonction de le vaccin particulier. Les chercheurs montrent que la stratégie vaccinale idéale est sensible à ces paramètres, encore largement méconnus.
Md Rafiul Islam, post-doctorant dans le groupe de Kadelka et auteur principal de l’article, a déclaré que le modèle mathématique pourrait aider à éclairer la conception des stratégies de vaccination actuelles et futures.
“Notre modèle est utile pour identifier une stratégie d’allocation de vaccins optimale et peut être facilement étendu pour répondre aux questions liées à l’allocation de rappels face à la baisse de l’immunité et à la variabilité croissante du virus”, a déclaré Islam.
Kadelka a ajouté : « Si le (SRAS-CoV-2) le virus a suffisamment muté pour rendre les vaccins actuels inefficaces ou nous avons une nouvelle pandémie, que ce soit dans 100 ans ou dans deux ans, nous devons être en mesure de prédire avec précision quel sera le résultat lorsque des décisions seront prises concernant qui est vacciné premier.”
L’élaboration d’une stratégie vaccinale est compliquée et il y aura toujours des compromis entre des objectifs opposés comme la réduction de la mortalité ou de l’incidence. Mais Kadelka pense que des modèles mathématiques comme celui que lui et ses collègues ont créé peuvent aider à garantir que les vaccins salvateurs peuvent avoir le plus grand impact.
Référence : « Évaluation de la stratégie d’allocation des vaccins contre le COVID-19 aux États-Unis » 17 novembre 2021, PLoS UN.
DOI : 10.1371 / journal.pone.0259700
