Stratégies de vaccination pour le COVID-19 dans les pays à faible revenu

Malgré la rapide mise à disposition de nombreux vaccins contre la COVID-19, le virus a causé environ 15 à 18 millions de décès supplémentaires dans le monde d'ici fin 2021. Beaucoup de ces décès ont eu lieu longtemps après que les vaccins soient devenus disponibles. Bien que les vaccins soient crédités d'avoir empêché environ 13,7 à 15,9 millions de décès à ce moment-là, leur distribution a été très inégale. Les pays riches ont eu accès aux vaccins plus tôt et en plus grande quantité, ce qui leur a permis de vacciner l'ensemble de leur population. En revanche, de nombreux pays à revenu faible ou intermédiaire ont reçu très peu de doses et souvent beaucoup plus tard dans la pandémie. Cette situation injuste a perduré, malgré les meilleurs efforts d'organisations comme COVAX, qui a distribué près de 2 milliards de doses aux pays plus pauvres.

Avec plus de vaccins disponibles maintenant et moins de demande dans les nations riches, il y a une chance de vacciner des groupes qui ont été laissés de côté, comme les enfants et les adolescents en bonne santé dans les zones à revenu faible et intermédiaire. Fin 2021, de nombreuses personnes dans ces régions avaient développé une certaine Immunité grâce à des infections antérieures, avec environ 86,7 % des personnes en Afrique signalées comme ayant été exposées au virus. Bien que la sécurité et l'Efficacité des vaccins COVID-19 aient été étudiées en profondeur, la valeur de la vaccination a changé au fil du temps avec l'évolution de la pandémie. L'émergence de variantes moins sévères, comme Omicron, et le paysage changeant de l'immunité de la population exigent une reconsidération de la stratégie de vaccination généralisée qui a été initialement adoptée, surtout dans les zones où d'autres maladies posent également de gros soucis.

L'efficacité et la longévité des vaccins COVID-19 dépendent de l'évolution du virus et de la réponse de notre système immunitaire. Par exemple, certaines études montrent que recevoir une troisième dose de rappel pourrait seulement ramener l'immunité à des niveaux similaires à ceux observés après la deuxième dose, tandis que d'autres suggèrent que plusieurs doses de rappel pourraient augmenter les niveaux d'anticorps, bien que les gains diminuent avec le temps. De plus, il reste un débat sur la nécessité de concentrer les campagnes de vaccination sur l'administration de rappels aux groupes à haut risque ou d'élargir la couverture en vaccinant les jeunes ou ceux qui ne sont pas encore vaccinés.

Cette analyse vise à évaluer l'efficacité et l'efficience potentielles des programmes de vaccination COVID-19 jusqu'à fin 2025 dans quatre contextes de pays à revenu faible ou intermédiaire représentatifs. Pour cela, nous utilisons un modèle bien connu de propagation de la COVID-19, appelé Covasim, pour estimer l'efficacité des vaccins COVID-19 dans la réduction des charges sanitaires. Nous considérons aussi combien de fois les gens sont boostés, quels groupes devraient être prioritaires pour la vaccination en fonction de l'âge et des Vaccinations antérieures, et comment l'efficacité des programmes de vaccination peut varier selon les conditions locales.

La base de l'analyse est une version adaptée de Covasim, un modèle qui simule comment le SARS-CoV-2 se propage et comment la COVID-19 se manifeste chez différents individus. Le modèle de base, disponible publiquement, a été utilisé tout au long de la pandémie pour diverses études sur l'impact de la COVID-19 dans des endroits comme Seattle, le Royaume-Uni, les États-Unis et l'Australie. Dans ce modèle, les infections peuvent être légères ou graves, et la probabilité de maladie sévère varie selon l'âge et l'état immunitaire. Le temps nécessaire à une personne pour passer de l'infection à une maladie sévère varie en fonction de la variante du virus.

L'immunité dans le modèle est basée sur des liens établis entre les niveaux d'anticorps et la protection contre l'infection et la maladie sévère. Chaque personne dans le modèle a un chiffre représentant son niveau d'anticorps actuel, qui augmente avec chaque infection ou vaccination mais diminue avec le temps. Avec les nouvelles variantes devenant plus courantes, le modèle suit les réponses immunitaires de manière plus détaillée.

Pour cette analyse, nous avons modifié le modèle pour suivre les niveaux d'anticorps individuels en fonction de la source de l'immunité, qu'elle provienne d'une infection naturelle ou de la vaccination. Par exemple, une personne ayant eu une infection au début de la pandémie et ayant reçu deux doses de vaccin aura des niveaux d'anticorps différents liés à chacune de ces sources. Le modèle capte les nuances de la façon dont ces niveaux d'anticorps changent au fil du temps et comment des expositions répétées aux infections ou aux vaccins peuvent renforcer l'immunité.

Quand une personne est exposée à une variante spécifique du virus, le modèle calcule l'efficacité de ses anticorps contre cette variante en fonction de son historique d'infections et de vaccinations. Ce processus implique une matrice complexe qui reflète dans quelle mesure les anticorps produits en réponse à une variante peuvent neutraliser une autre variante. Le modèle introduit également deux concepts importants qui n'ont pas été explorés dans d'autres études. Le premier est comment des vaccinations répétées peuvent augmenter la gamme des réponses immunitaires, connu sous le nom de maturation d'affinité. Le second est que les rendements diminuent avec chaque dose de vaccin supplémentaire, ce qui signifie que bien que les rappels puissent améliorer l'immunité, les bénéfices peuvent diminuer avec plus de doses.

Dans les modèles traditionnels d'infection, les épidémies commencent par infecter quelques individus. Pour éviter un long calibrage, le modèle pour cette analyse intègre l'immunité provenant des infections et des vaccinations précédentes. Cela signifie que le modèle commence avec une représentation réaliste de l'immunité existante de la population avant de simuler la propagation continue du virus.

Les simulations dynamiques commencent juste avant une grande vague d'infections, comme celle d'Omicron. Ces simulations reflètent comment les infections se propagent dans différents types de milieux sociaux, tels que les maisons, les écoles et les lieux de travail. Le modèle ajuste le niveau de transmissibilité pour tenir compte des mesures de santé publique et des changements de comportements en réponse à la pandémie, représentant effectivement comment les interventions non pharmaceutiques et les changements de comportement peuvent affecter la propagation du virus.

L'analyse se concentre sur quatre contextes représentatifs qui reflètent différents niveaux d'historique de vaccination, y compris des situations similaires à celles du Malawi, du Kenya, de l'Afrique du Sud et de l'Inde. Ces contextes diffèrent non seulement par les niveaux de vaccination mais aussi par le timing de la distribution des vaccins et les caractéristiques démographiques.

Alors que le virus évolue, sa capacité à se propager et à provoquer des maladies change. Par conséquent, le modèle considère deux scénarios d'évolution virale future, qui affecteront l'efficacité des vaccins à l'avenir. Dans le premier scénario, de nouvelles sous-lignées de la variante Omicron continueront d'émerger, tandis que le deuxième scénario implique l'apparition d'une variante complètement nouvelle qui est significativement différente de toutes les souches précédentes.

Cette étude cherche à comprendre l'impact de diverses stratégies de vaccination dans ces différents contextes au cours des deux prochaines années, à partir de 2024. Les scénarios explorent la vaccination de populations qui n'ont pas encore reçu de vaccin, tout en proposant des doses de rappel à ceux déjà vaccinés.

L'analyse montre que la vaccination peut conduire à moins de décès dans tous les scénarios considérés. En fait, l'impact global des vaccins variait selon les contextes, montrant que le plus grand impact provient souvent de la priorisation des doses de rappel pour les adultes, notamment ceux âgés de 60 ans et plus. Dans les contextes avec moins de vaccinations historiques, vacciner ces populations âgées peut donner de meilleurs résultats. De plus, les scénarios axés sur les plus jeunes tendent à être moins efficaces.

Lors de l'évaluation de l'efficacité des programmes de vaccination, les résultats montrent que prioriser les groupes à haut risque donne de bien meilleurs résultats. Par exemple, vacciner les adultes âgés est de loin plus efficace que de concentrer les efforts sur les enfants et les adolescents, qui risquent généralement moins d'être gravement touchés par la COVID-19.

Cependant, l'étude reconnaît certaines limites. Le modèle ne prend pas en compte les naissances ou les décès non liés à la COVID, ce qui pourrait sous-estimer les avantages de la vaccination des jeunes. De plus, les bénéfices des vaccins peuvent s'étendre au-delà de la période d'étude, ce qui signifie que certains avantages sont probablement non mesurés. L'analyse n'inclut pas d'autres populations clés qui pourraient avoir besoin de vaccination, comme les travailleurs de la santé ou les personnes immunodéprimées.

Les résultats suggèrent que la vaccination contre la COVID-19 peut être efficace et efficiente, surtout lorsqu'elle cible les populations plus âgées qui sont à risque pour des issues graves. Pendant ce temps, elle souligne l'importance de peser l'efficacité de la vaccination par rapport à d'autres besoins de santé publique. Alors que le virus continue d'évoluer, les stratégies de vaccination pourraient devoir s'adapter pour rester efficaces dans la sauvegarde des vies, en particulier dans les populations vulnérables.

En conclusion, l'étude souligne la nécessité d'une planification et d'une priorisation soigneuses dans les efforts de vaccination contre la COVID-19. Bien qu'il soit essentiel de protéger les groupes les plus à risque, les futures campagnes de vaccination pourraient devoir évaluer le rôle des vaccins COVID-19 dans le contexte global de la santé publique, surtout à mesure que d'autres besoins en santé émergent dans de nombreux pays.