香港におけるインフルエンザワクチンの効果の評価
研究者たちは、革新的なテスト方法を使ってインフルエンザワクチンの効果を分析している。
Eero Poukka, Caitriona Murphy, Loretta Mak, Samuel M. S. Cheng, Malik Peiris, Tim K. Tsang, Sheena G. Sullivan, Benjamin J. Cowling
― 1 分で読む
目次
ワクチンは病気を防ぐのに重要なツールで、特にインフルエンザシーズン中はね。研究者たちがワクチンの効果を確認するために使う方法の一つがテストネガティブデザイン(TND)って呼ばれるやつ。これは、病気になったワクチン接種者と、病気になってない未接種者を比較する方法だ。香港みたいな場所でインフルエンザワクチンの効果を調べるのにたくさん使われてるんだ。
テストネガティブデザインって何?
学校を想像してみて。テストで良い成績を取った生徒(ケース)と、そうじゃない生徒(コントロール)を比べる感じ。TNDでは、インフルエンザの症状が出た人がテストを受けに来るんだ。陽性の人はテストポジティブケース、陰性の人はテストネガティブコントロールって呼ばれる。テストネガティブグループに選ばれる人は、ワクチンを打ったかどうかに影響されるべきじゃないんだよね。
テスト結果の問題
全てのテストが100%正確なわけじゃない。時々、実際にインフルエンザにかかってるのに「ネガティブ」と出ることがあるんだ。これは、実力は「A」なのにテストで「C」をもらったみたいなもん。これがワクチンの効果を測るのに問題を引き起こすことがある。例えば、テストがいくつかのケースを見逃すと、その人たちがコントロールグループに誤って入ってしまって、ワクチンが実際よりも効果がないように見えちゃう。
逆に、テストが敏感すぎて健康な人をインフルエンザだと誤って判断すると、結果が歪むこともある。いくつかの研究者はこの問題を解決する方法を考え出した。彼らは、推定値が正確で、故障したテストの産物じゃないことを確認するために追加の計算を提案してる。
これからの問題
研究者がインフルエンザワクチンの効果を調べるとき、研究しているインフルエンザ株にかかってる人だけを含めるべきなんだ。他のインフルエンザ株にかかってる人が誤って含まれちゃうと、結果が歪んじゃうかも。それに、COVID-19のワクチンを接種してる人が多いから、両方の病気にワクチンを打たれた人は研究にうまくフィットしないかもしれない。この重なりがインフルエンザワクチンの効果を理解するのを難しくしちゃう。
香港の背景
香港はインフルエンザの効果を研究するのに独特な背景を提供してる。特にインフルエンザシーズンになると、みんなワクチンを受けるように促される。でも、COVID-19のパンデミック中にインフルエンザの活動は大きく減少したんだ。2020年3月から2023年2月まで、ほとんどインフルエンザがいなかった。2023年3月には再びインフルエンザのケースが戻ってきて、研究者たちはワクチンの効果を再評価することになった。
誰が研究に参加したの?
この研究では、香港の外来クリニックを調査した。参加者は、過去3日間に急性呼吸器感染の症状があった6ヶ月以上の人たちだった。もし熱があったり、喉が痛かったり、咳が出たりしてたら、参加資格があったかも。研究者たちは参加者から健康状態やワクチン歴について詳しい情報を集めて、PCRテストやインフルエンザとCOVID-19を素早く検出するために設計された迅速テストを使って検査した。
サンプルサイズと特徴
研究には合計1,691人が参加して、410人がインフルエンザAが確認され、178人がインフルエンザBで陽性だった。年齢層は幅広かったけど、18歳未満の参加者がかなりいた。
テストの正確さはどうだった?
テストに関しては、偽陰性が起こることがある。インフルエンザにかかってるのにテストがそれを見逃すと、偽陰性って呼ばれる。この研究では、一部の迅速テストが約76%の確率でインフルエンザAを正しく特定してた。インフルエンザBのテストは、約80%の正確さで少し良かった。
ワクチンの効果は?
データを分析した結果、研究者たちはインフルエンザワクチンがインフルエンザAに対して約50%、インフルエンザBに対して65%の効果があると計算した。だけど、迅速テストの結果は効果が低くて、5%から15%ポイント低かったみたい。
年齢については?
研究者たちは、年齢によってワクチンの効果がどう違うかも見てた。若い人たちは、PCRテストと迅速テストの両方でより良い結果を出してた。つまり、若い人たちはより信頼性のあるテスト結果を得やすいかも。
方法の比較
インフルエンザとCOVID-19のワクチン接種の重なりによる混乱を解決するために、研究者たちは2つの異なるアプローチを試みた。一つはCOVID-19ワクチン接種状況を調整する方法、もう一つはCOVID-19陽性の人を除外する方法。驚いたことに、両方の方法でワクチンの効果について似たような結果が得られたんだ。
課題と限界
正確さを確保しようとしたものの、いくつかの課題が残った。特定の分析のためのサンプルサイズが小さかったし、迅速テストは異なるタイプのインフルエンザを区別できない。また、COVID-19ワクチン接種のタイミングもあまり詳しく追跡されてなかったから、混乱を加えてたかもしれない。この研究に参加したほとんどの人たちは比較的若くて健康だったから、結果は全ての人口を代表してるわけじゃない。
重要なポイント
まとめると、研究者たちは2023/24年のインフルエンザワクチンが確認されたインフルエンザAに対して約50%、インフルエンザBに対して65%の効果があることを発見した。迅速テストは効果の評価が低くて、正確なテスト方法の重要性を強調してる。結果はまだ学ぶことがたくさんあるけど、迅速テストはワクチンの効果について貴重な洞察を提供することができるんだ。
誤分類の偏りと正確な結果の必要性を考えると、今後の研究はテスト方法を洗練させてワクチン歴をもっと密に追跡することが役立つよ。そうすることで、研究者たちは全員がインフルエンザや他の呼吸器ウイルスからできるだけ良い保護を受けられるように続けて手助けできるんだ。
だから、ワクチンとテストの世界をナビゲートするのは難しいかもしれないけど、覚えておいてね。全ての数字や統計の裏には、健康でいたいだけのリアルな人々がいるんだから—あなたと同じように!安全に過ごして、手を洗うのを忘れないでね!
タイトル: Bias in control selection associated with the use of rapid tests in influenza vaccine effectiveness studies
概要: In test-negative design studies that use rapid tests to estimate influenza vaccine effectiveness (VE) a common concern is case/control misclassification due to imperfect test sensitivity and specificity. However, an imperfect test can also fail to exclude from the control group people that do not represent the source population, including people infected with other influenza types or other vaccine-preventable respiratory viruses for which vaccination status is correlated. We investigated these biases by comparing the effectiveness of seasonal 2023/24 influenza vaccination against influenza A and B based on PCR versus rapid test results, excluding controls who tested positive for SARS-CoV-2 or the other type of influenza. By PCR, VE against influenza A was 49% (95%CI 26-65%) after exclusion of PCR-confirmed influenza B and SARS-CoV-2 controls. Corresponding VE against influenza B was 65% (95%CI 35-81%). VE estimated by adjusting for COVID-19 vaccination status yielded similar estimates to the scenario that excluded SARS-CoV-2-positive controls. When case/control status and exclusions from test-negative controls were determined by rapid test, VE was reduced by 5-15 percentage points. Bias correction methods were able to reduce these discrepancies. When estimating VE from a test-negative study using rapid test results, methods to correct misclassification bias are recommended.
著者: Eero Poukka, Caitriona Murphy, Loretta Mak, Samuel M. S. Cheng, Malik Peiris, Tim K. Tsang, Sheena G. Sullivan, Benjamin J. Cowling
最終更新: 2024-11-18 00:00:00
言語: English
ソースURL: https://www.medrxiv.org/content/10.1101/2024.11.16.24317422
ソースPDF: https://www.medrxiv.org/content/10.1101/2024.11.16.24317422.full.pdf
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた medrxiv に感謝します。