Simple Science

La science de pointe expliquée simplement

# Sciences de la santé# Épidémiologie

Évaluation de l'impact des nouveaux vaccins contre la tuberculose

Une étude analyse comment l'auto-dédouanement affecte l'efficacité du vaccin contre la tuberculose en Chine et en Inde.

― 6 min lire


Étude sur l'impact duÉtude sur l'impact duvaccin BCGvaccins.estimations de l'efficacité desL'auto-dédouanement affecte à peine les
Table des matières

La tuberculose (TB) est une maladie grave causée par des bactéries qui touchent principalement les poumons. C'est l'une des principales causes de mort causée par un seul agent infectieux dans le monde. En 2021, environ 1,6 million de personnes sont mortes de la TB. L'Organisation mondiale de la santé (OMS) a fixé des objectifs pour réduire significativement les décès liés à la TB et le nombre de nouveaux cas d'ici 2035. Cependant, beaucoup de pays ne sont pas sur la bonne voie pour atteindre ces objectifs. Les méthodes actuelles de lutte contre la TB ne suffisent pas, et de nouvelles solutions, y compris des Vaccins, sont nécessaires.

Besoin de nouveaux vaccins

Le seul vaccin disponible contre la TB s'appelle Bacillus Calmette-Guerin (BCG). Bien que ce vaccin puisse aider les nourrissons, il ne fonctionne pas bien pour les adultes, surtout contre les formes les plus contagieuses de la TB. À cause de ça, les scientifiques travaillent dur pour développer de nouveaux vaccins qui peuvent protéger les adultes de la maladie. L'objectif est de réduire considérablement le nombre de nouveaux cas de TB et de décès.

Candidats actuels au vaccin

Il y a plusieurs nouveaux candidats vaccinaux contre la TB qui sont en phase d'essai. Par exemple, un candidat appelé M72/AS01E a montré des résultats prometteurs lors des essais, avec environ 49,7 % d'Efficacité pour prévenir la TB chez les adultes à risque. Un autre essai portant sur la revaccination BCG a montré une efficacité de 45,4 % pour prévenir les infections chez les adolescents en Afrique du Sud.

Utilisation de modèles pour comprendre les vaccins contre la TB

Les chercheurs utilisent des modèles mathématiques pour prédire les effets et les coûts des différents vaccins contre la TB. Ces modèles aident les scientifiques à voir les effets potentiels des vaccins sur différents groupes d'âge et dans divers pays. Ils ont découvert que cibler les enfants plus âgés et les adultes pourrait avoir un plus grand impact que de se concentrer uniquement sur les nourrissons dans certaines régions.

Le rôle de l'auto-élimination

Des études récentes suggèrent que certaines personnes infectées par les bactéries de la TB peuvent éliminer l'infection par elles-mêmes, ce qui signifie qu'elles ne portent plus les bactéries et ne risquent pas de développer la maladie de la TB. Cette découverte a des implications pour notre compréhension de la TB et le développement de vaccins. La plupart des modèles existants ne tiennent pas compte de l'auto-élimination, ce qui pourrait entraîner des estimations inexactes de l'efficacité potentielle des nouveaux vaccins.

Objectif de l'étude

Cette étude vise à analyser comment ignorer l'auto-élimination des infections à TB pourrait influencer les estimations de l'impact des vaccins. En se concentrant sur deux pays importants pour l'élimination de la TB-la Chine et l'Inde-nous pouvons mieux comprendre comment l'auto-élimination affecte l'efficacité des nouveaux vaccins. Ces deux pays ont des caractéristiques démographiques et des schémas de maladie différents, ce qui en fait des cas intéressants à étudier.

Structure du modèle et auto-élimination

Pour explorer l'auto-élimination, les chercheurs ont adapté un modèle détaillé qui suit l'histoire naturelle de la TB. Ce modèle comprend différents états d'infection, comme les personnes qui viennent d'être infectées, celles qui ont eu des infections pendant des durées variables et celles qui ont éliminé leurs infections. Comprendre comment les individus passent entre ces états peut éclairer la propagation de la TB et les effets de la vaccination.

Scénarios d'auto-élimination

Les chercheurs ont examiné divers scénarios concernant les taux d'auto-élimination, les niveaux de protection naturelle contre la réinfection et l'efficacité des vaccins chez les personnes ayant éliminé leurs infections. En analysant ces scénarios séparément, ils pouvaient voir comment chaque facteur influençait l'impact potentiel des nouveaux vaccins.

Résultats sur l'impact des vaccins

Lorsque l'auto-élimination a été comparée à des scénarios où elle n'était pas incluse, les résultats ont montré que l'inclusion de l'auto-élimination avait un effet minimal sur l'estimation de l'impact des nouveaux vaccins. Les changements dans l'efficacité des vaccins étaient relativement petits, avec des effets maximaux autour de 15 % dans chaque direction. Cela indique que ne pas tenir compte de l'auto-élimination ne conduit pas à de grandes erreurs dans l'estimation de l'impact des vaccins.

Effets sur différents types de vaccins

Différents types de vaccins ont été testés, y compris ceux qui fonctionnent sur des individus actuellement infectés et ceux qui ne fonctionnent que sur des individus non infectés. Il a été trouvé que l'auto-élimination a peu d'influence sur les vaccins qui peuvent fonctionner pour tout le monde, quel que soit leur statut d'infection. Cependant, inclure l'auto-élimination pourrait avoir un léger effet positif sur les vaccins qui ne ciblent que les individus non infectés.

Comparaison entre la Chine et l'Inde

Dans cette étude, la Chine et l'Inde ont été examinées pour comparer comment l'auto-élimination affecte l'impact des vaccins dans différents contextes. L'Inde a une population plus jeune et un taux de natalité plus élevé, tandis que la Chine a été plus efficace pour réduire les cas de TB ces dernières décennies. Ces différences influencent la manière dont les vaccins pourraient fonctionner dans chaque pays.

Conclusion

L'étude a conclu qu'inclure l'auto-élimination dans les modèles pour les vaccins contre la TB ne change pas significativement les estimations de l'impact des vaccins. Cette découverte suggère que même lorsque l'auto-élimination n'est pas prise en compte, l'efficacité prédite des nouveaux vaccins reste assez précise. Cependant, il est important de considérer l'auto-élimination lors de l'évaluation des interventions visant des groupes spécifiques qui pourraient avoir un plus grand nombre d'individus auto-éliminés.

Directions de recherche futures

Bien que cette étude se soit concentrée sur l'impact des vaccins, des travaux futurs pourraient explorer comment l'auto-élimination affecte d'autres interventions contre la TB. Par exemple, examiner les traitements préventifs et les stratégies de dépistage pourrait aider à affiner notre compréhension des efforts de contrôle de la TB. À mesure que la recherche progresse, des ajustements aux modèles pourraient également être nécessaires en fonction des nouvelles découvertes sur l'histoire naturelle de la TB et la manière dont les vaccins fonctionnent à travers différentes populations.

Résumé

L'étude améliore notre compréhension de la TB et de l'impact des nouveaux vaccins. En prenant en compte des facteurs comme l'auto-élimination, les chercheurs peuvent mieux prédire l'efficacité de ces vaccins pour réduire les cas de TB et les décès. En fin de compte, l'objectif est de trouver des solutions efficaces pour lutter contre la TB et atteindre les objectifs de l'OMS pour la santé mondiale.

Source originale

Titre: Is neglect of self-clearance biassing TB vaccine impact estimates?

Résumé: BackgroundMathematical modelling has been used extensively to estimate the potential impact of new tuberculosis vaccines, with the majority of existing models assuming that individuals with Mycobacterium tuberculosis (Mtb) infection remain at lifelong risk of tuberculosis disease. Recent research provides evidence that self-clearance of Mtb infection may be common, which may affect the potential impact of new vaccines that only take in infected or uninfected individuals. We explored how the inclusion of self-clearance in models of tuberculosis affects the estimates of vaccine impact in China and India. MethodsFor both countries, we calibrated a tuberculosis model to a scenario without self-clearance and to various scenarios with self-clearance. To account for the current uncertainty in self-clearance properties, we varied the rate of self-clearance, and the level of protection against reinfection in self-cleared individuals. We introduced potential new vaccines in 2025, exploring vaccines that work in uninfected or infected individuals only, or that are effective regardless of infection status, and modelling scenarios with different levels of vaccine efficacy in self-cleared individuals. We then estimated the relative incidence reduction in 2050 for each vaccine compared to the no vaccination scenario. FindingsThe inclusion of self-clearance increased the estimated relative reductions in incidence in 2050 for vaccines effective only in uninfected individuals, by a maximum of 12% in China and 8% in India. The inclusion of self-clearance increased the estimated impact of vaccines only effective in infected individuals in some scenarios and decreased it in others, by a maximum of 14% in China and 15% in India. As would be expected, the inclusion of self-clearance had minimal impact on estimated reductions in incidence for vaccines that work regardless of infection status. InterpretationsOur work suggests that the neglect of self-clearance in mathematical models of tuberculosis vaccines does not result in substantially biased estimates of tuberculosis vaccine impact. It may, however, mean that we are slightly underestimating the relative advantages of vaccines that work in uninfected individuals only compared to those that work in infected individuals.

Auteurs: Danny Scarponi, R. Clark, C. Weerasuryia, J. C. Emery, R. M. G. J. Houben, R. White, N. McCreesh

Dernière mise à jour: 2023-05-09 00:00:00

Langue: English

Source URL: https://www.medrxiv.org/content/10.1101/2023.04.11.23288400

Source PDF: https://www.medrxiv.org/content/10.1101/2023.04.11.23288400.full.pdf

Licence: https://creativecommons.org/licenses/by/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à medrxiv pour l'utilisation de son interopérabilité en libre accès.

Plus d'auteurs

Articles similaires