標的型予防接種戦略は、集団の 予防接種 レベルを高め、流行の 発生 確率を低下させることを目的としたアプローチです。[ 1 ] 多くの場合、医療行為や生物学的流行の発生を防ぐためのワクチンの投与に関連していますが、[ 2 ] これらの戦略は一般的に、生物学的、社会的、または人工的な性質を持つ複雑なネットワークにおける予防接種計画を指します。 [ 1 ] リスクの高い集団や病気を広める可能性が高い個人を特定することは、これらの戦略において重要な役割を果たすことがよくあります。なぜなら、高リスク集団への標的型予防接種は効果的な根絶活動に必要であり、より大規模だがリスクの低い集団に予防接種を行うよりも投資対効果が高いからです。[ 1 ] [ 3 ] [ 4 ]
背景 ワクチン が大規模な流行を防ぐ上で成功しているのは、集団免疫 (コミュニティ免疫とも呼ばれる)のメカニズムによるもので、個人の免疫化によって個人だけでなくコミュニティ全体も保護される。[ 5 ] インフルエンザ 、麻疹 、水痘 などの生物学的感染症の場合、一定数のコミュニティ に免疫化することで、ワクチン接種を受けられない人(乳幼児、妊婦、免疫 不全者)を病気から守ることができる。しかし、多くの場合、これらのワクチンプログラムでは、集団免疫を得るために人口の大多数に免疫化する必要がある。いくつかの成功したワクチンプログラムは、天然痘 [ 7 ] や牛疫 などの感染症の根絶 、そして20世紀後半以前に世界を苦しめていたポリオ の ほぼ根絶につながった。 [ 8 ] [ 9 ] [ 10 ]
ネットワークベースの戦略 近年、研究者たちは、ネットワークの接続特性を利用して、大規模な伝染病の発生を防ぐための免疫戦略をよりよく理解し、設計することに着目している。[ 11 ] インターネット 、ワールドワイドウェブ 、さらには性的接触ネットワーク[ 12 ] のような多くの実際のネットワークは、スケールフリーネットワーク であることが示されており、次数分布は べき乗則 分布を示す。大規模なネットワークでは、この結果、ノード(ソーシャルネットワーク 内の個人)の大部分は接続が少なく、次数k が低い一方、少数の「ハブ」は平均<k> よりもはるかに多くの接続を持つことになる。[ 13 ] この次数の大きな変動(異質性 )により、ネットワークを無作為に免疫するのではなく、接続性に基づいてネットワークのメンバーをターゲットとする免疫戦略が可能になる。スケールフリーネットワークの伝染病モデリングでは、ターゲットを絞った免疫スキームは、無作為の免疫スキームよりも、ネットワークの伝染病発生に対する脆弱性を大幅に低減できる。通常、これらの戦略では、ランダム免疫の場合と同じレベルの保護をネットワーク全体に提供するために、免疫する必要のあるノードの数がはるかに少なくて済みます。[ 1 ] [ 14 ] ワクチンが不足している状況では、感染症の発生を防ぐために効率的な免疫戦略が必要になります。[ 15 ]
例
スケールフリーネットワークにおける標的免疫研究の一般的なアプローチは、免疫対象として次数が最も高いノードに焦点を当てています。これらのノードはネットワーク内で最も接続されており、感染した場合、伝染を広げる可能性が高くなります。ネットワークのこのセグメントに免疫を与えることで、ネットワークに対する病気の影響を大幅に軽減でき、ランダムにノードを選択する場合と比較して、はるかに少ないノードに免疫を与えるだけで済みます。[ 1 ] ただし、この戦略はネットワークのグローバル構造を知ることに依存しており、これは常に実用的とは限りません。
Piraveenan ら[ 16 ] が最近導入した中心性指標であるパーコレーション中心性は、ネットワークトポロジーに基づいてワクチン接種の対象となるノードを特定するのに特に有用です。ただし、トポロジーのみに依存するノード次数とは異なり、パーコレーション中心性は、ノードの全体的な重要性を決定する際に、感染ノードからの距離だけでなく、ノードのトポロジー上の重要性も考慮に入れます。Piraveenan ら[ 16 ] は、パーコレーション中心性に基づくワクチン接種は、既に感染している人の割合が、病気がさらに広がる前にワクチン接種できる人の数と同程度の規模である場合に特に効果的であることを示しました。感染の拡大が初期段階にある場合は、感染源を囲む環状ワクチン接種 が最も効果的ですが、既に感染している人の割合が、迅速にワクチン接種できる人の数よりもはるかに高い場合は、ワクチン接種はワクチン接種を受けた人にしか効果がなく、集団免疫は達成できません。パーコレーション中心性に基づくワクチン接種は、感染がすでにリングワクチン接種で完全に囲むには広がりすぎているが、戦略的ワクチン接種で封じ込めるには広すぎるほどではないという危機的なシナリオで最も効果的です。しかしながら、パーコレーション中心性も計算に完全なネットワークトポロジーを必要とするため、対応するネットワークトポロジーをより容易に取得できる、より高いレベルの抽象化(たとえば、個人のソーシャルネットワークではなく、町のネットワーク)でより有用です。
予防接種率の向上 世界中で何百万人もの子供たちが、国のスケジュールに従ってすべての定期予防接種を受けていません。予防接種は子供の生存率を向上させる強力な公衆衛生戦略であるため、接種率を高めるためにどのような戦略が最も効果的かを判断することが重要です。コクランレビューでは、低・中所得国における小児予防接種率を高め、維持するための介入戦略の有効性が評価されました。[ 17 ] 41件の試験が対象となりましたが、エビデンスのほとんどは質が低いものでした。[ 17 ] 保護者やその他の地域住民に予防接種に関する情報を提供すること、施設での健康教育と再設計された予防接種リマインダーカードの組み合わせ、世帯インセンティブの有無にかかわらず定期的な予防接種のアウトリーチ、家庭訪問、予防接種と他のサービスの統合は、低・中所得国における小児予防接種率を向上させる可能性があります。[ 17 ]
参考文献 1 2 3 4 5 Pastor-Satorras R、Vespignani A (2002 年 3 月)。「複雑ネットワークの免疫化」。Physical Review E . 65 ( 3 Pt 2A) 036104。arXiv : cond-mat/0107066 。Bibcode : 2002PhRvE..65c6104P 。doi : 10.1103 /PhysRevE.65.036104 。PMID 11909162 。S2CID 15581869 。 ↑ 「ワクチンと予防接種」 。www.cdc.gov /vaccines /。疾病管理予防センター。 2014年 11月17日 取得 。 ↑ Piddle S (2014年10月14日) 「VNAの看護師が学校に予防接種を届ける」 。クリントン・ヘラルド。 2014年 11月15日 閲覧 。 ↑ von Csefalvay C (2023). "感染症の制御のモデリング". Computational Modeling of Infectious Disease . Elsevier. pp. 173–215 . doi : 10.1016/b978-0-32-395389-4.00015-3 . ISBN 978-0-323-95389-4 。↑ John TJ、Samuel R (2000-07-01)。 「集団免疫と集団効果:新たな知見と定義」 。European Journal of Epidemiology。16 ( 7 ) : 601–606。doi : 10.1023 / A : 1007626510002。PMID 11078115。S2CID 23504580 。 ↑ バザン H (2000). 天然痘の根絶 . ロンドン: アカデミック・プレス. ISBN 978-0-12-083475-4 。↑ 「CDCのポリオ根絶活動に関する最新情報」 。www.cdc.gov / polio。疾病管理予防センター。 2014年 11月17日 取得 。 ↑ Lewis T (2014年10月28日) 「ポリオワクチン:米国で最も恐れられていた病気はいかにして根絶されたか」 LiveScience。購入。 2014年 11月15日 取得 。 ↑ McNeil Jr DG (2014年5月5日) 「ほぼ根絶された後のポリオの再流行が世界的な健康警告を引き起こす」 ニューヨーク ・タイムズ。 2014年 11月18日 取得 。 ↑ Campbell E 、Salathé M (2013 年5 月28 日 )。 「 複雑な社会的伝染により、ネットワークは疾病発生に対してより脆弱になる 」 。Scientific Reports。3 : 1905。arXiv : 1211.0518。Bibcode : 2013NatSR ... 3.1905C。doi : 10.1038 / srep01905。PMC 3664906。PMID 23712758 。 ↑ Liljeros F 、 Edling CR、Amaral LA、Stanley HE、Aberg Y (2001年6月)。「人間の性的接触の 網 」 。Nature。411 ( 6840 ) : 907–908。arXiv : cond - mat / 0106507。Bibcode : 2001Natur.411..907L。doi : 10.1038 / 35082140。PMID 11418846。S2CID 14559344 。 ↑ Barabasi AL、Albert R (1999 年10 月)。「ランダムネットワークにおけるスケーリング の 出現」。Science。286 ( 5439 ): 509–512。arXiv : cond - mat / 9910332。Bibcode : 1999Sci ... 286..509B。doi : 10.1126 / science.286.5439.509。PMID 10521342。S2CID 524106 。 ↑ Tanaka G, Urabe C, Aihara K (2014年7月). "メタ個体群モデルにおける疫病制御のためのランダム介入と標的介入" . Scientific Reports . 4 (5522): 5522. Bibcode : 2014NatSR...4.5522T . doi : 10.1038/srep05522 . PMC 4099978 . PMID 25026972 . ↑ Glasser J、Taneri D、Feng Z、Chuang JH、Tüll P、Thompson W、et al . (2010年9月)。 「 集団 モデリング による 標的型インフルエンザワクチン接種戦略の評価」 。PLOS ONE。5 ( 9) e12777。Bibcode : 2010PLoSO ... 512777G。doi : 10.1371/ journal.pone.0012777。PMC 2941445。PMID 20862297 。 1 2 Piraveenan M、Prokopenko M、Hossain L (2013-01-22)。 「パーコレーション中心性:ネットワークにおけるパーコレーション中のノードのグラフ理論的影響の定量 化 」 。PLOS ONE。8 ( 1 ) e53095。Bibcode : 2013PLoSO ... 853095P。doi : 10.1371 / journal.pone.0053095。PMC 3551907。PMID 23349699 。 1 2 3 Oyo-Ita A、Oduwole O、Arikpo D、Effa EE、Esu EB、Balakrishna Y、et al. (2023 年 12 月) 「低・中所得国における小児予防接種の普及率向上のための介入」 . Cochrane Database of Systematic Reviews . 2023 (12) CD008145. doi : 10.1002/14651858.CD008145.pub4 . PMC 10698843 . PMID 38054505 .