BAL Lazio

Notizie

Le dinamiche delle epidemie e i superspreader

Pubblicato martedì 16 Marzo 2021

I risultati di uno studio recente rivelano che in una data popolazione le differenze nella capacità di un individuo di acquisire e trasmettere l’infezione rappresentano un fattore decisivo nel plasmare il risultato di una situazione epidemica o pandemica.

In epidemiologia, i modelli classici sono principalmente basati sul presupposto che tutte le persone in una popolazione data sono ugualmente suscettibili di un’infezione particolare e hanno la stessa capacità di trasmettere l’infezione ad altri individui. In realtà questo presupposto non è sempre valido per le malattie infettive con un’ampia variabilità nel tasso di infettività. Nel caso della pandemia Covid-19, per esempio, un piccolo numero di persone è ritenuto responsabile dell’infezione di tantissime persone. Essenzialmente una valutazione accurata del risultato pandemico non è possibile con questi modelli classici.

Nello studio i ricercatori hanno specificamente analizzato due aspetti distinti relativi della dinamica della trasmissione del virus: eventi superspreading e superspreader. Gli eventi che producono molti casi Covid-19 sono definiti come eventi “superspreading”; mentre un piccolo gruppo di persone specifiche che crea molti casi di infezione è definito come “superspreader”.

L’eterogeneità di una popolazione data, che svolge un ruolo significativo nella dinamica della trasmissione di infezione, può dipendere da parecchi fattori che possono modificare significativamente la dinamica della trasmissione. In questo studio, gli scienziati hanno analizzato esclusivamente due parametri: suscettibilità e infettività. Poi hanno valutato la correlazione fra questi parametri nella dinamica di modulazione della trasmissione.

Secondo i modelli epidemiologici classici, ci sono tre categorie in una popolazione data: (s) suscettibile, (i) infettato e (r) persone guarite. In questo modello, il grado di infezione è proporzionale al numero delle interazioni fra le persone infettate e le persone suscettibili. D’altra parte, il tasso di guarigione è proporzionale al numero delle persone infettate.

Per studiare il numero totale delle infezioni gli scienziati hanno modificato questo modello considerando che questi parametri siano differenti per persone differenti. In altre parole hanno considerato il tasso di infezione come un prodotto di suscettibilità individuale e infettività. L’equazione matematica che hanno derivato indica che la percentuale totale di persone che sono state infettate in un dato momento è la somma delle persone attualmente infettate e di quelle guarite.

Considerazioni
L’analisi matematica ha indicato che le differenze nella suscettibilità individuale e nell’infettività hanno un impatto significativo sul numero totale delle infezioni (dimensione epidemica) e che la dimensione epidemica reale dipende soprattutto dal grado di correlazione fra suscettibilità e infettività; a una correlazione più alta è associata una dimensione epidemica maggiore.

L’analisi ha rivelato che in genere una distribuzione più diffusa delle persone suscettibili e di quelle infettate è associata con una dimensione epidemica più piccola. Secondo il modello la dimensione epidemica definitiva non può comunque essere prevista soltanto sulla base delle percentuali di suscettibilità e di infettività. Anche la dinamica di distribuzione di questi parametri ha un impatto significativo sulla dimensione epidemica finale.

Rispetto al fenomeno del superspreading, il modello ha rivelato che la correlazione fra suscettibilità e infettività influenza notevolmente l’effetto dei superspreader sul tasso di crescita iniziale dell’epidemia. Aumentando il numero dei superspreader senza alterare l’infettività e la suscettibilità medie, gli scienziati hanno osservato un effetto sul tasso di crescita iniziale dell’epidemia, che ha aumentato alla fine la dimensione epidemica. Al contrario, hanno osservato una riduzione della dimensione epidemica definitiva aggiungendo sia un superspreader sia una persona estremamente attenta nel modello. Questo adeguamento è stato fatto per aumentare la variabilità individuale.

I risultati rivelano che in una popolazione data, le differenze nella capacità di una persona di acquisire e trasmettere l’infezione hanno il peso maggiore nel determinare l’esito di una situazione epidemica o pandemica. Dato che la misura dell’infettività e della suscettibilità di molte persone è un prerequisito indispensabile per determinare le dinamiche di distribuzione, i ricercatori ritengono però che quello di prevedere la dimensione epidemica finale sia un compito particolarmente difficile in un contesto “real life”.

Fonte
Kawagoe K et al. How much do superspreaders matter? Epidemic dynamics in inhomogeneous populations. medRxiv 2021.02.08.21251386; doi: https://doi.org/10.1101/2021.02.08.21251386

Tagged , ,

Lascia un commento

Il tuo indirizzo email non sarà pubblicato.

Accedi agli articoli

Dehmer SP et al. Aspirin use to prevent cardiovascular disease and colorectal cancer: a decision analysis: technical report [Internet]. Rockville (MD): Agency for Healthcare Research and Quality (US); 2015 Sep. Report No.: 15-05229-EF-1.

Ezekowitz JA et al.; SODIUM-HF Investigators. Reduction of dietary sodium to less than 100 mmol in heart failure (SODIUM-HF): an international, open-label, randomised, controlled trial. Lancet 2022:S0140-6736(22)00369-5.

Fang Z et al. The role of mendelian randomization studies in deciphering the effect of obesity on cancer. JNCI: Journal of the National Cancer Institute 2022; 114 (3); 361-71.

Wong Chung JERE et al. Time to functional recovery after laser tonsillotomy performed under local anesthesia vs conventional tonsillectomy with general anesthesia among adults: a randomized clinical trial. JAMA Netw Open 2022;5(2):e2148655. JAMA Netw Open. 2022;5(2):e2148655.

Sundbøll J. Risk of parkinson disease and secondary parkinsonism in myocardial infarction survivors. Journal of the American Heart Association 2022; doi: 10.1161/JAHA.121.022768

Ferroni E et al. Gender related differences in gastrointestinal bleeding with oral anticoagulation in atrial fibrillation. J Cardiovasc Pharmacol Ther 2022;27:10742484211054609.

Lowenstein M et al. Sustained implementation of a multicomponent strategy to increase emergency department-initiated interventions for opioid use disorder. Ann Emerg Med 2021:S0196-0644(21)01380-9.

Okereke OI et al. Effect of long-term supplementation with marine omega-3 fatty acids vs placebo on risk of depression or clinically relevant depressive symptoms and on change in mood scores: a randomized clinical trial. JAMA 2021;326(23):2385-2394.

Gaillard EA et al. European Respiratory Society clinical practice guidelines for the diagnosis of asthma in children aged 5-16 years. Eur Respir J 2021;58(5):2004173.

Slomski A. Thousands of US youths cope with the trauma of losing parents to COVID-19. JAMA. Published online November 17, 2021.

Hillis SD, Blenkinsop A, Villaveces A, et al. COVID-19-associated orphanhood and caregiver death in the United States. Pediatrics. 2021 Oct 7:e2021053760.

Una finestra sull’open access

  • BMC Family Practice
  • BMC Medical Education
  • BMC Nursing
  • BMJ Open
  • PLOS Medicine