在一般人群中建模和预测COVID-19疫苗引起的抗体反应的个体变异

科学领域:

• 免疫学和疫苗学 免疫学和疫苗学
• 公共卫生中的数学建模
• 流行病学和流行病准备情况.

背景情况:

• 疫苗对于传染病控制至关重要,正如COVID-19流行病所强调的那样.
• 对广泛的COVID-19疫苗接种数据的分析对于未来的流行病准备至关重要.
• 了解疫苗接种后个体抗体反应是优化疫苗策略的关键.

研究的目的:

• 分析来自日本队列的纵向数据,以了解影响疫苗引起抗体动态的因素.
• 根据人口和健康信息开发一个预测模型来估计抗体标位.
• 创建一个易于计算的"抗体得分",以识别具有不同免疫水平的个体.

主要方法:

• 从2,407名两剂疫苗接种后 (BNT162b2或mRNA-1273) 的个人收集了纵向血清样本.
• 采用数学建模来重建个体抗体反应时间 (峰值,持续时间,曲线下的面积).
• 利用计算方法,根据人口,健康和疫苗接种数据开发出"抗体得分".

主要成果:

• 抗体动态 (峰值,持续时间,曲线下的面积) 受潜在的疾病,不良反应和药物的影响.
• 开发了一个"抗体得分",根据基本健康信息提供基于整数的抗体标位估计.
• 该得分虽然目前具有中度敏感性,但显示了识别需要强剂疫苗接种的个体的潜力.

结论:

• 个体对疫苗的抗体反应受到人口和健康因素的组合的影响.
• 开发的"抗体评分"为评估潜在免疫水平和指导疫苗接种政策提供了一个简单的工具.
• 这种数学建模方法可以适应各种疫苗,支持未来的流行病应对策略和助推疫苗分发.