De KNAW organiseert regelmatig webinars over corona vanuit verschillende invalshoeken. Op 11 maart vond het webinar ‘Epidemiologie van infectieziekten en de Covid-19-pandemie’ plaats. Na afloop kreeg het publiek de kans om vragen te stellen aan de sprekers. Hieronder vindt u een selectie van de vragen en antwoorden.
Hoe kun je onderscheid maken tussen de fractie van de bevolking die reeds natuurlijke immuniteit bezit en de R0 in een volledig vatbare populatie? Je zou dat achteraf kunnen zien, wanneer natuurlijke immuniteit is bereikt, maar de vraag is of er manieren zijn om dit in een vroeg stadium te modelleren in bijvoorbeeld contactmatrixen of clustermodellen?
Aan het begin van de epidemie is het lastig om te beoordelen of er natuurlijke immuniteit is verworven. Later in de epidemie/pandemie kan het gemakkelijker worden vastgesteld namelijk wanneer bepaalde leeftijdsgroepen ondervertegenwoordigd zijn ten opzichte van het totaal aantal gevallen. Deze ondervertegenwoordiging kan een gevolg zijn van passief overgedragen immuniteit van moeders op hun baby of van het verwerven van immuniteit bij oudere bevolkingsgroepen die eerder (genetisch vergelijkbare) infecties kunnen hebben doorgemaakt. Verworven immuniteit kan niet op betrouwbare wijze in modellen worden verwerkt zonder dat er eerst signalen hiervan bij de data zichtbaar worden.
Azra Ghani toonde aan dat (zelfs met vaccinatie) groepsimmuniteit niet eenvoudig te bereiken is. Is groepsimmuniteit bij een luchtwegvirus nog een realistisch eindpunt of zouden de vaccinatie-inspanningen moeten worden toegespitst op risicogroepen en ouderen, zoals dat gebeurt voor luchtweginfecties zoals influenza, met jaarlijkse boosters die aan de nieuwste varianten zijn aangepast?
Het kan moeilijk zijn om een groepsimmuniteit te bereiken die leidt tot de volledige uitroeiing van het virus. Het prioriteren van risicogroepen die ernstig ziek kunnen worden van het virus is de meest zinvolle prioriteringsstrategie om sterfte te voorkomen en de belasting van de zorg te verminderen. Het is belangrijk op te merken dat ook bij niet-risicogroepen sprake kan zijn van (ernstige en soms langdurige) ziekte. Dichotomisering in risicogroepen en niet-risicogroepen is daarom gecompliceerd. Bovendien zal een hogere vaccinatiegraad in de algemene bevolking (mits het vaccin de overdracht beperkt, hetgeen volgens recente gegevens inderdaad het geval is), tevens helpen om de besmettingskracht te verminderen en daarmee de kans dat mensen besmet raken te verkleinen. Dit wordt ook bereikt zonder volledige groepsimmuniteit te bereiken.
Zou een model zoals bij de Grote Griepmeting (indien voortgezet), ons hebben geholpen om te corrigeren voor over- of onderschatting?
Deze initiatieven vanuit de samenleving moeten worden toegejuicht (bijv. deelname aan de COVID Radar van het LUMC). De verzamelde informatie wordt echter tot op zekere hoogte bepaald door (variërende) deelnameniveaus, hetgeen het gebruik van dit soort initiatieven voor modellering tot een uitdaging maakt. De voornaamste waarde van deze initiatieven is dat zij vroegtijdig waarschuwen voor plotselinge gebeurtenissen (uitbraken) of zorgwekkende stijgende tendensen in een vroeg stadium signaleren, zodat tijdig actie kan worden ondernomen.
Zie de website van de Grote Griepmeting
Hoe testen jullie de kwaliteit van het model in de ingewikkelde omgeving?
Voor sommige modellen is de beste test of de ziektedynamiek in de natuurlijke situatie de modellen volgt zodra interventies worden geïntroduceerd. Het probleem met deze aanpak van COVID-19 is dat het gaat om gecombineerde interventies (dus veel interventies tegelijk) en dat de naleving van interventies/dekking moeilijk te kwantificeren is. Dit maakt het bijzonder lastig om modellen prospectief te valideren. Uiteraard zijn de modellen gebaseerd op biologische en medische principes en bevindingen, ook van andere ziekten. Modellen zijn dus geen slag in de lucht maar de best mogelijke benadering van de situatie "in silico".
Is het niet per definitie discutabel om het aantal positieve tests te gebruiken voor de berekening van de R_t?
Ja, dat klopt. Verschillen in teststrategieën of in de mate waarin inspanningen worden gedaan om contacten op te sporen, zullen de R_t-trends beïnvloeden. Dit kan tot op zekere hoogte worden gecorrigeerd, maar nooit helemaal. Ziekenhuisgegevens leveren dus betere informatie op, maar helaas is hier sprake van een vrij lange vertraging. Je kunt het beste naar allebei kijken.
Op basis van een retrospectieve analyse van monsters van patiënten die zijn opgenomen met een onverklaarde longontsteking, zonder epidemiologische banden met Wuhan, zijn er aanwijzingen dat er al begin 2020 (en zelfs (begin) december 2019) SARS-CoV-2-gevallen in Europa waren. Weten we echt zeker dat het allereerste (index-)geval zich daadwerkelijk in Wuhan heeft voorgedaan en dat het virus niet in de eerste plaats kort daarvoor elders in (of zelfs buiten) China bij de mens voorkwam, waarbij de markt van Wuhan eenvoudigweg het eerste superspreader-event was?
Het is niet volledig onmogelijk, maar wel zeer onwaarschijnlijk. Een virus met deze eigenschappen zou zich waarschijnlijk ook in die andere regio snel hebben verspreid, zeker aangezien er in eerste instantie helemaal geen sprake was van maatregelen om verspreiding van het virus te voorkomen.
Is de manier waarop de spike-eiwitten in de krans om het virus werken op de een of andere manier vergelijkbaar met spermatozoïden die zich aan een eicel hechten en ervoor zorgen dat het DNA/RNA in de eicel wordt gecombineerd?
Niet precies. Het spike-eiwit bindt een specifieke receptor (ACE2) en dat leidt tot een fusiereactie tussen het membraan van het virus en het membraan van de gastheercel. Als dit al vergelijkbaar is met een bepaald celproces, kun je beter kijken naar het syncytin-1-eiwit, en hoe dit betrokken is bij de vorming van de placenta. Dit proces wordt veroorzaakt door de fusie-eiwitten van endogene retrovirussen (d.w.z. retrovirussen die in de loop van de evolutie van de mens en andere zoogdieren onderdeel van het DNA zijn geworden).