DOI: https://doi.org/10.1371/journal.pcbi.1012777
PMID: https://pubmed.ncbi.nlm.nih.gov/39899643
تاريخ النشر: 2025-02-03
المؤلف: Nathanaël Hozé وآخرون
الموضوع الرئيسي: دراسات وبائية حول COVID-19
نظرة عامة
يقدم هذا القسم نظرة عامة على حزمة R، Rsero، المصممة لتسهيل تنفيذ ودمج ومقارنة نماذج السيروكاتاليتيك في علم الأوبئة. هذه النماذج ضرورية لتقدير قوة العدوى (FOI) من بيانات انتشار الأجسام المضادة المصنفة حسب العمر، مما يساعد في تحديد مناعة السكان وإعادة بناء دوران مسببات الأمراض التاريخية. تستخدم حزمة Rsero طرق بايزيانية لتقدير FOI وتضم ميزات لمقارنة النماذج وتصوير ملاءمة النموذج.
بالإضافة إلى ذلك، يقدم Rsero نماذج جديدة لتفشي الأمراض المتعاقبة ويوسع النماذج الحالية للعودة إلى الحالة السابقة لتناسب أي نموذج انتقال. يتم إثبات فعالية الحزمة من خلال بيانات محاكاة وبيانات حقيقية، مما يبرز قدرتها على تحديد السيناريوهات الوبائية بدقة واستعادة معلمات النموذج عبر إعدادات متنوعة. في النهاية، يوفر Rsero إطار عمل موحد لعلماء الأوبئة ونمذجة لتحليل ديناميات دوران مسببات الأمراض السابقة باستخدام بيانات المسح السيرولوجي العرضي، مما يعزز تصميم الدراسة في سياقات وبائية متنوعة.
مقدمة
تسلط المقدمة الضوء على أهمية الأجسام المضادة المحددة لمستضدات كعلامات على العدوى السابقة، مع التأكيد على دور المسوحات السيرولوجية في تقييم مناعة السكان وقابلية الإصابة بالأوبئة المستقبلية. هذه المسوحات ذات قيمة خاصة عندما تفشل أنظمة المراقبة التقليدية في التقاط جميع العدوى، كما يتضح في دراسات مسببات الأمراض مثل SARS-CoV-2 وحمى الضنك. من خلال تحليل انتشار الأجسام المضادة بالنسبة للعمر، يمكن للباحثين استخدام نماذج السيروكاتاليتيك لإعادة بناء الأنماط التاريخية لدوران مسببات الأمراض، مما يوفر رؤى حول قوة العدوى بمرور الوقت.
يناقش النص تطور نماذج السيروكاتاليتيك منذ الإطار الأولي لموينش في عام 1934، مشيرًا إلى مختلف التوسعات التي تعزز تحليل المسوحات السيرولوجية المصنفة حسب العمر. يمكن لهذه النماذج تقييم التغيرات في قوة العدوى، والتفريق بين الدوران المستوطن والتفشي، وتقييم ديناميات الانتقال بعد التدخل. على الرغم من التقدم في النمذجة، لا يزال هناك فجوة في الأدوات المتاحة لعلماء الأوبئة. لمعالجة ذلك، يقدم المؤلفون RSero، حزمة R مصممة لتسهيل تحليل المسوحات السيرولوجية، وتقدير قوى العدوى، ومقارنة نماذج الانتقال. تتضمن RSero ميزات مثل العودة إلى الحالة السابقة والقدرة على معايرة النماذج عبر مجموعات بيانات متنوعة، بهدف تمكين علماء الأوبئة الميدانيين من أدوات تحليل سهلة الاستخدام.
الطرق
في هذا القسم، يحدد المؤلفون المنهجية لتقدير قوة العدوى (FOI) باستخدام بيانات المسح السيرولوجي المصنفة حسب العمر، المستندة إلى نماذج السيروكاتاليتيك الكلاسيكية. تعمل التحليلات على وحدة زمنية سنوية، حيث تعتمد احتمالية أن يكون الفرد إيجابيًا للأجسام المضادة على تعرضه للمسبب طوال حياته. على وجه التحديد، بالنسبة لطفل إيجابي للأجسام المضادة يبلغ من العمر عامًا واحدًا، يتم تمثيل التعرض خلال عامه الأول بواسطة FOI، المرموز كـ $\lambda_1$. يتم إعطاء احتمالية إيجابية الأجسام المضادة لهذا الطفل بواسطة التعبير $P(1) = 1 – \exp(-\lambda_1)$.
علاوة على ذلك، يتم ربط FOI التراكمي للفرد الذي يبلغ من العمر $a$ باحتمالية إيجابيته للأجسام المضادة في وقت أخذ العينة، المعبر عنها كـ $P(a) = 1 – \exp\left(-\sum_{i=1}^{a} \lambda(i)\right)$. يبرز هذا العلاقة الطبيعة التراكمية للتعرض على مدى حياة الفرد، مما يسمح بفهم شامل لإيجابية الأجسام المضادة بالنسبة لـ FOI.
النتائج
في هذا القسم، يوضح المؤلفون تطبيق حزمة Rsero لتقدير المعلمات في نماذج السيروكاتاليتيك، باستخدام كل من المسوحات السيرولوجية المحاكاة والبيانات الواقعية. يتم تزويد كل مثال بكود R، مما يسهل إدارة البيانات، وتعريف النموذج، والاستدلال، والتحليل بعد الحدث. يسمح هذا النهج المنظم للمستخدمين بمتابعة عملية خطوة بخطوة لاستخدام حزمة Rsero في تحليلاتهم.
المناقشة
في هذا القسم، يناقش المؤلفون تطوير وتطبيق نماذج مختلفة لتقدير قوة العدوى (FOI) باستخدام بيانات انتشار الأجسام المضادة المحددة حسب العمر، المنفذة في حزمة R RSero. يقدمون عدة أساليب نمذجة: نموذج FOI ثابت، نموذج مستقل مع تغييرات سنوية، نموذج ثابت جزئي للتدخلات، ونموذج تفشي يأخذ في الاعتبار عدة قمم وبائية. يستخدم نموذج التفشي مجموع الدوال الغاوسية لتمثيل FOI خلال سنوات الوباء، بينما يسمح النموذج الثابت الجزئي بتغيرات في FOI بسبب التدخلات. بالإضافة إلى ذلك، يتناول المؤلفون ظاهرة العودة إلى الحالة السابقة، حيث قد يفقد الأفراد المناعة بمرور الوقت، ويقومون بإدراج ذلك في نماذجهم.
يؤكد المؤلفون على أهمية مقارنة النماذج باستخدام معايير مثل PSIS-LOO، AIC، وDIC، موصين باستخدام PSIS-LOO لإطاره البايزي. يعرضون مرونة الحزمة في التعامل مع البيانات السيرولوجية، مما يسمح للمستخدمين بتحديد معلمات مختلفة، بما في ذلك حساسية وخصوصية الاختبارات، وتقدير FOI عبر مجموعات سكانية فرعية مختلفة. تسلط المناقشة الضوء على فائدة RSero في تحليل المسوحات السيرولوجية، وتحسين تصميم الدراسات، وتوفير رؤى حول دوران مسببات الأمراض التاريخية، بهدف تعزيز فهم ديناميات الأمراض المعدية.
DOI: https://doi.org/10.1371/journal.pcbi.1012777
PMID: https://pubmed.ncbi.nlm.nih.gov/39899643
Publication Date: 2025-02-03
Author(s): Nathanaël Hozé et al.
Primary Topic: COVID-19 epidemiological studies
Overview
The section presents an overview of the R package, Rsero, designed to facilitate the implementation, combination, and comparison of serocatalytic models in epidemiology. These models are essential for estimating the force of infection (FOI) from age-stratified seroprevalence data, which helps characterize population immunity and reconstruct historical pathogen circulation. The Rsero package employs Bayesian methods to estimate FOI and includes features for model comparison and visualization of model fit.
Additionally, Rsero introduces new models for successive outbreaks and extends existing seroreversion models to accommodate any transmission model. The effectiveness of the package is demonstrated through both simulated and real-life data, showcasing its ability to accurately identify epidemiological scenarios and recover model parameters across various settings. Ultimately, Rsero provides a standardized framework for epidemiologists and modelers to analyze the dynamics of past pathogen circulation using cross-sectional serological survey data, thereby enhancing study design in diverse epidemic contexts.
Introduction
The introduction highlights the significance of antigen-specific antibodies as indicators of past infections, emphasizing the role of serological surveys in assessing population immunity and susceptibility to future epidemics. These surveys are particularly valuable when traditional surveillance systems fail to capture all infections, as demonstrated in studies of pathogens like SARS-CoV-2 and dengue. By analyzing seroprevalence in relation to age, researchers can utilize serocatalytic models to reconstruct historical patterns of pathogen circulation, providing insights into the force of infection over time.
The text discusses the evolution of serocatalytic models since Muench’s initial framework in 1934, noting various extensions that enhance the analysis of age-stratified serosurveys. These models can assess changes in the force of infection, differentiate between endemic circulation and outbreaks, and evaluate transmission dynamics post-intervention. Despite the advancements in modeling, there remains a gap in accessible tools for epidemiologists. To address this, the authors introduce RSero, an R package designed to facilitate the analysis of serological surveys, estimate forces of infection, and compare transmission models. RSero incorporates features such as seroreversion and the ability to calibrate models across diverse datasets, aiming to empower field epidemiologists with user-friendly analytical tools.
Methods
In this section, the authors outline the methodology for estimating the Force of Infection (FOI) using age-stratified serological survey data, grounded in classical serocatalytic models. The analysis operates on a yearly time unit, where the probability of an individual being seropositive is contingent upon their exposure to the pathogen throughout their lifetime. Specifically, for a seropositive child aged one, the exposure during their first year is represented by the FOI, denoted as $\lambda_1$. The probability of seropositivity for this child is given by the expression $P(1) = 1 – \exp(-\lambda_1)$.
Furthermore, the cumulative FOI for an individual of age $a$ is linked to their seropositivity probability at the time of sampling, expressed as $P(a) = 1 – \exp\left(-\sum_{i=1}^{a} \lambda(i)\right)$. This relationship underscores the cumulative nature of exposure over the individual’s lifespan, allowing for a comprehensive understanding of seropositivity in relation to the FOI.
Results
In this section, the authors demonstrate the application of the Rsero package for estimating parameters in serocatalytic models, utilizing both simulated serological surveys and real-world data. Each example provided is supplemented with R code, facilitating data management, model definition, inference, and post hoc analysis. This structured approach allows users to effectively follow the step-by-step process of employing the Rsero package in their analyses.
Discussion
In this section, the authors discuss the development and application of various models for estimating the force of infection (FOI) using age-specific seroprevalence data, implemented in the R package RSero. They introduce several modeling approaches: a constant FOI model, an independent model with annual changes, a piecewise-constant model for interventions, and an outbreak model that accounts for multiple epidemic peaks. The outbreak model utilizes a sum of Gaussian functions to represent the FOI during epidemic years, while the piecewise-constant model allows for shifts in FOI due to interventions. Additionally, the authors address the phenomenon of seroreversion, where individuals may lose immunity over time, and incorporate this into their models.
The authors emphasize the importance of model comparison using criteria such as PSIS-LOO, AIC, and DIC, recommending PSIS-LOO for its Bayesian framework. They showcase the package’s flexibility in handling serological data, allowing users to specify various parameters, including sensitivity and specificity of assays, and to estimate FOI across different population subgroups. The discussion highlights the utility of RSero in analyzing serological surveys, optimizing study designs, and providing insights into historical pathogen circulation, ultimately aiming to enhance the understanding of infectious disease dynamics.