打开APP

PNAS:新研究表明实现对新冠病毒的群体免疫是不切实际的

  1. COVID-19
  2. SARS-CoV-2
  3. 新冠病毒
  4. 群体免疫

来源:本站原创 2020-10-07 10:17

2020年10月7日讯/生物谷BIOON/---在一项新的研究中,来自美国佐治亚大学的研究人员开发出一种新的模型,该模型表明实现对COVID-19的群体免疫(herd immunity)是一种不切实际的公共卫生策略。相关研究结果近期发表在PNAS期刊上,论文标题为“Transmission dynamics reveal the impracticality
2020年10月7日讯/生物谷BIOON/---在一项新的研究中,来自美国佐治亚大学的研究人员开发出一种新的模型,该模型表明实现对COVID-19的群体免疫(herd immunity)是一种不切实际的公共卫生策略。相关研究结果近期发表在PNAS期刊上,论文标题为“Transmission dynamics reveal the impracticality of COVID-19 herd immunity strategies”。
图片来自PNAS, 2020, doi:10.1073/pnas.2008087117。

控制COVID-19给公共卫生政策制定者带来了一个难题:如何防止卫生保健基础设施不堪重负,同时避免重大社会混乱?争论围绕着两种策略展开。一派以“抑制”为目标,通过剧烈的社会疏远措施消除社区内的传播,而另一种策略则是“缓解”,旨在通过允许足够大比例的人群感染,同时不超过医疗服务能力,实现群体免疫。

论文通讯作者、佐治亚大学奥杜姆生态学院博士后助理Toby Brett说,“群体免疫概念很诱人,这是因为它意味着COVID-19威胁的终结。然而,由于这种方法旨在避免疾病消除,因此需要不断调整封锁措施,以确保在特定时间点上有足够多的---但不是太多---的人被感染。由于这些挑战,群体免疫策略实际上更像是在尝试走一条几乎看不见的钢丝。”

在这项研究中,Brett和佐治亚大学传染病生态学中心的Pejman Rohani调查了控制SARS-CoV-2(导致COVID-19的冠状病毒)传播的抑制方法和缓解方法。

虽然近期的研究已探讨了抑制和缓解策略在一些国家的影响,但Brett和Rohani试图确定各国是否以及如何在不给医疗系统造成过重负担的情况下实现群体免疫,并确定实现这一点所需采取的控制工作。

他们开发出一种年龄分层的疾病传播模型,以模拟SARS-CoV-2在英国的传播,在那里,通过有症状个体的自我隔离和不同程度的社会疏远来控制传播。他们通过模拟发现,在没有任何控制措施的情况下,英国将经历多达41万例与COVID-19相关的死亡,其中35万例来自60岁以上的个体。

他们发现,使用抑制策略,预测的死亡人数要少得多:60岁以上的人中有6.2万人死亡,60岁以下的人中有4.3万人死亡。

如果自我隔离的参与度很高(定义为至少减少70%的传播),那么无论采取何种社会疏远措施,都可以在两个月内实现抑制,如果学校、工作和社交聚会场所很近,那么可能会更快地实现抑制。

在研究试图通过缓解措施建立群体免疫的策略时,他们的模型发现,如果社会疏远保持在一个固定的水平上,医院的能力将需要大大增加,以防止医疗系统不堪重负。如果要在现有医院资源的情况下实现群体免疫,英国则需要实时调整社会疏远程度,以确保患病人数不超过医院的能力。如果这种病毒传播速度过快,医院将不堪重负,但是如果传播速度过慢,疫情就会被抑制,而无法实现群体免疫。

Brett和Rohani进一步指出,COVID-19免疫的性质、持续时间和有效性还有很多未知,他们的模型假设了完美的长效免疫力。他们提醒说,如果免疫力不完美,并且存在很大的重新感染机会,那么通过广泛暴露实现群体免疫的可能性非常小。

Rohani说,“我们认识到,关于COVID-19的传播和免疫力,我们还有很多东西需要了解,但是我们认为这样的建模在所谓的'形势分析'中是非常宝贵的。模型允许利益相关者思考替代行动方案的后果。”(生物谷 Bioon.com)

参考资料:

1.Tobias S. Brett et al. Transmission dynamics reveal the impracticality of COVID-19 herd immunity strategies. PNAS, 2020, doi:10.1073/pnas.2008087117.

2.Herd immunity an impractical strategy, study finds
https://medicalxpress.com/news/2020-09-herd-immunity-impractical-strategy.html


版权声明 本网站所有注明“来源:生物谷”或“来源:bioon”的文字、图片和音视频资料,版权均属于生物谷网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:生物谷”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。

87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->