20 modelleerprojecten van start binnen het kennisprogramma pandemische paraatheid

Tijdens een pandemie bestaat de noodzaak om zo snel mogelijk kandidaat-geneesmiddelen in patiënten te onderzoeken naar mogelijke effectiviteit tegen een ziekteverwekker. Het vertalen van data uit laboratoriumproeven naar een behandeling in patiënten is echter complex. In PPP-COMPUTE wordt een algemeen toepasbaar wiskundig farmacologisch modelleerplatform ontwikkeld om efficiënt kandidaat-geneesmiddelen te beoordelen op werkzaamheid en om optimale doseerschema’s voor patiëntenstudies te ontwerpen.

Om voorbereid te zijn op de volgende pandemie is het nodig om de verspreiding van de verantwoordelijke ziekteverwekker te detecteren en te monitoren. Deze "surveillance capaciteit" verschaft cruciale informatie over wanneer en welke overheidsmaatregelen moeten worden genomen. In dit project wordt een nauwkeurig wiskundig model van Nederland gemaakt om optimale surveillance inspanningen te bepalen voor efficiënt gebruik van middelen voor de volksgezondheid.

Tijdens de COVID-19 pandemie is een model ontwikkeld om de effectiviteit van QR codes op verspreiding van infectie te voorspellen. Deze QR codes werden gebruikt als toegangsbewijs voor bijeenkomsten en waren gebaseerd op een recente negatieve SARS-CoV-2 test, of aantoonbaar doorgemaakte infectie of voltooide vaccinatie voor COVID-19. In dit project wordt beoogt het model te verbeteren, met als doel beleidsmakers in de toekomst beter te informeren over de effectiviteit van deze maatregel.

Scholen zijn hotspots voor de overdracht van respiratoire pathogenen en een belangrijke plek voor maatregelen. Maatregelen op scholen, zoals sluitingen, zijn omstreden vanwege de negatieve effecten op de educatie en het welzijn van kinderen en de onduidelijke impact op het verloop van de epidemie. In dit project wordt een interdisciplinair wiskundig model gebouwd om transmissie, interventies en de impact op leerresultaten voor meerdere pathogenen en op meerdere niveaus (klaslokaal, school en gemeenschap) te onderzoeken. 

Om de verspreiding van een opkomende infectieziekte aan het begin van een pandemie in te dammen, is het belangrijk om te weten hoe snel de ziekte zich in verschillende regio’s van het land kan verspreiden. Er zijn veel gegevensbronnen die informatie geven over de potentiële en daadwerkelijke verspreiding van een ziekte, bijvoorbeeld reispatronen, ziekteverwekkerdeeltjes in afvalwater, zelf gerapporteerde symptomen en gedragsgegevens. In dit project worden al deze gegevensbronnen benut om betere en actuelere voorspellingen te kunnen doen en de belangrijkste bronnen in verschillende scenario’s te identificeren. 

De impact van pandemieën door nieuwe virussen op de volksgezondheid varieert sterk en wordt mede bepaald door kruisimmuniteit tegen de nieuwe virussen. Doel van dit project is om antigene kaarten te maken van de huidige immuunresponsen tegen influenza A en corona virussen. Deze kaarten worden gebruikt om een inschatting te maken van de bestaande immuniteit in de humane populatie. Tevens wordt de impact van kruisimmuniteit op populatieniveau bestudeerd met behulp van transmissie modellen voor immunogenetisch heterogene gastheer populaties.

Mobiliteit van mensen tussen gemeenten en regio's speelt een belangrijke rol in de verspreiding en bestrijding van infectieziekten. Het R2M2P2-project heeft als doel Nederlandse regionale mobiliteitsgegevens in kaart te brengen, voor te bereiden en te analyseren voor gebruik in modellering van infectieziekten. Hiervoor zal een infrastructuur opgezet worden waarin (micro)data AVG-proof verwerkt zullen worden en beschikbaar gemaakt in een bruikbaar en veilig geaggregeerd format.

In dit onderzoek wordt data uit bevolkingsregisters (CBS) en een vragenlijstonderzoek gebruikt om een model te bouwen om vaccinatiegraad op populatie- en lokaal niveau te voorspellen. Dit model houdt rekening met de manier waarop overtuigingen en waarden vaccinatiekeuzes beïnvloeden, en hoe deze zich onder de bevolking verspreiden. Zo ontstaat er een beter begrip van hoe communicatie gerichter kan worden ingezet om vaccinatie keuzes te ondersteunen en vaccinatiegraad te optimaliseren.

Om te weten welke populaties worden gemist in de huidige infectieziekte surveillance en om bedreigingen beter en sneller te kunnen opsporen en karakteriseren, zal een multidisciplinair consortium GRIFFINS ontwikkelen. Dit wiskundig model combineert data van relevante populaties uit verschillende bronnen, wat resulteert in demografische, epidemiologische en klinische data uit een stedelijke omgeving in relevante populaties. De resultaten worden gebruikt om ziektelast in populaties te voorspellen en ondervertegenwoordigde groepen te identificeren.

De COVID-19 pandemie leidde tot levensbedreigende medicijntekorten en bracht daarmee hernieuwde aandacht voor het belang van medicijnbeschikbaarheid. Kwetsbaarheden in de Nederlandse farmaceutische supply chain (FSC) werden bloot gelegd en werden sterk beïnvloed door regelgeving, prijsstrategieën en de organisatie van de supply chain. Het project beoogt de Nederlandse FSC te versterken voor een pandemie en de medicijntekorten te reduceren.

De wisselwerking tussen blootstelling en overdracht van (des)informatie en infectieziekten verspreiding is nog niet rekenkundig bestudeerd. Daarom wordt een rekenmodel ontwikkeld om deze wisselwerking op een innovatieve wijze te combineren, gebaseerd op empirische data. Het model kan de impact van diverse infodemie interventies op het aantal nieuwe infecties schatten. 

Sociale netwerken zijn belangrijk voor het welzijn en tegelijkertijd faciliteren zij ook de verspreiding van infectieziekten. In wiskundige modellen wordt meestal de terugkoppeling tussen preventief gedrag, sociale netwerken en ziekteverspreiding niet meegenomen. Deze hebben echter wel een grote invloed op de effectiviteit van interventies, omdat zij acceptatie beïnvloeden. Het ConnectioN project zal een nieuwe aanpak ontwikkelen om gezondheid gerelateerde beslissingen en sociale netwerken op te nemen in infectieziekten modellen. 

Als het aantal recent besmette individuen laag is, is bron en contactonderzoek (BCO) in potentie een van de meest efficiënte infectiepreventiemaatregelen. Bestaande wiskundige modellen voor BCO negeren dat transmissie plaatsvindt op een contactnetwerk met clustering, bijvoorbeeld vrienden van vrienden hebben een grote kans om elkaar ook te kennen. Met dit project worden modellen ontwikkeld die de clustering op het contactnetwerk wel meeneemt. 

In dit onderzoek worden drie simulatiemodellen en een statistisch model ontwikkeld die Nederland voorbereiden op toekomstige pandemieën waarvan de wijze van overdracht nog niet bekend is. Het statistisch model dient om in de beginfase van een epidemie de meest waarschijnlijke transmissieroutes te onderscheiden. De simulatiemodellen kunnen een groot aantal transmissieroutes nabootsen en dienen voor het trainen van het statistisch model en voor het testen van effectieve interventies binnen de veeteelt of bij mensen.

Nederland heeft uitgebreide data die kunnen worden gebruikt voor het ontwikkelen van voorspellende modellen voor de infectieziektebestrijding. Deze gegevens bleken echter moeilijk toegankelijk tijdens de COVID-19 pandemie vanwege privacy. Dit project heeft tot doel een Nederlandse 'data-workspace' te onderzoeken, die de ontwikkeling van voorspellende modellen mogelijk maakt. 

Tijdens de COVID-19 pandemie werd de effectiviteit van overheidsmaatregelen en aanbevelingen sterk beïnvloed door in hoeverre mensen bereid waren hun gedrag aan te passen naar aanleiding van genomen maatregelen en overheidscommunicatie. In dit project zullen ziekteverspreiding en relevante opinievorming binnen de bevolking als een geïntegreerd proces bestudeerd worden. 

Ter voorbereiding op een volgende pandemie is het van belang om het effect van maatregelen op verschillende uitkomsten, zoals oversterfte, ziekenhuisbezetting, verlies van kwaliteit van leven en kosten, in een model te kunnen voorspellen. In dit project worden bestaande methodes gecombineerd en uitgebreid om dergelijke afwegingen mogelijk te maken. 

In dit project wordt een kant-en-klare infrastructuur ontwikkeld waarmee modelleurs internationaal samen snel de best presterende modellen kunnen maken om besluitvormers tijdens een pandemie snelle, transparante en nauwkeurige (beslis-)ondersteuning te bieden. Hindernissen voor gegevenstoegang worden hiermee opgelost door middel van een privacy-by-design aanpak die gevoelige gegevens isoleert van experts, maar toch efficiënte modelontwikkeling mogelijk maakt. Daarnaast wordt de modelontwikkeling versneld door een open-source infrastructuur aan te bieden met actuele gegevens en modellen. 

Dit project richt zich op efficiënte en eerlijke spreiding van pandemische patiënten. Er worden korte termijn voorspellingen ontwikkeld voor het aantal opnames van en de bedbezetting door zowel pandemische als niet-pandemische patiënten. Om de impact van een pandemie op toegang tot zorg zoveel mogelijk te beperken, worden optimalisatiemodellen gemaakt voor beslissingsondersteuning bij toewijzing van patiënten aan schaarse resources in de regio’s. 

Mensen reageren verschillend op vaccinatie tegen virale infecties. Daarentegen is kennis over de factoren die deze immuunrespons beïnvloeden beperkt. Aan de hand van een model wordt onderzocht wat de invloed is van factoren die voorspellend zijn voor de individuele reactie op vaccinatie. Daarnaast wordt een raamwerk opgesteld zodat bij een toekomstige pandemie snel een model kan worden gemaakt. Met deze methode kunnen vaccinatiestrategieën worden geïndividualiseerd, kan de allocatie van vaccinaties worden verbeterd en de sociale acceptatie worden vergroot.