Μαζικοί εμβολιασμοί και ειδικός σχεδιασμός

Στα επιδημιολογικά μοντέλα χρησιμοποιούμε μαθηματικά για να προσομοιάσουμε τις συνθήκες με τις οποίες εξαπλώνεται ή μπλοκάρεται μία επιδημία. Η πιο δημοφιλής μαθηματική προσέγγιση χρησιμοποιεί τον αριθμό αναπαραγωγής, το γνωστό R0, που περιγράφει πόσα άτομα μολύνει ένας ασθενής όταν βρεθεί ανάμεσα σε άτομα που δεν έχουν ανοσία. Αν αυτός ο αριθμός είναι πάνω από 1 τότε ο ιός έχει τη δύναμη να εγκαταστήσει επιδημία. Οσο αυξάνονται τα άτομα που έχουν ανοσία στην κοινότητα τόσο ο αριθμός αναπαραγωγής μειώνεται και σταδιακά θα πέσει κάτω από 1. Σε αυτό το σημείο λέμε ότι έχει επέλθει «ανοσία της αγέλης» και τότε η επιδημία υποστρέφει και εκριζώνεται.

Πόσο εύκολο είναι να συμβεί αυτό; Σε ό,τι αφορά τον Covid-19, και με βάση το γεγονός ότι το R0 στην Ελλάδα κινήθηκε στην περιοχή του 2,5, τότε για να επέλθει η «ανοσία της αγέλης» θα έπρεπε να μολυνθεί περίπου το 60% του πληθυσμού, δηλαδή 6-7 εκατομμύρια πολίτες. Να επισημάνω ότι το αντίστοιχο ποσοστό για τη γρίπη είναι περίπου 23%, δηλαδή πολύ χαμηλότερο.

Στην παρούσα φάση το ποσοστό του πληθυσμού που έχει μολυνθεί στην Ελλάδα είναι αρκετά κάτω από 1% ενώ σε χώρες που έχουν πληγεί σοβαρά, όπως η Ισπανία, αυτό το ποσοστό είναι της τάξης του 5% – 8%. Αυτά τα ποσοστά ανοσίας, τόσο στην Ελλάδα όσο και στην Ισπανία, δεν αλλάζουν τη δυναμική της επιδημίας. Ενα δεύτερο κύμα σε οποιαδήποτε χώρα συμβεί με ποσοστό ανοσίας κάτω από 20% θα εξαπλωθεί με εκθετική αύξηση με τις αντίστοιχες συνέπειες.

Θα μπορούσαμε να ελπίζουμε σε αργή και σταδιακή εγκατάσταση ανοσίας της αγέλης μέσω της λοίμωξης; Πριν αποφασίσουμε να ακολουθήσουμε μία τέτοια τακτική χρειαζόμαστε να γνωρίζουμε διάφορες παραμέτρους.

1. Οι παρενέργειες της πρακτικής είναι υπολογισμένες και διαχειρίσιμες από το σύστημα υγείας για το συγκεκριμένο χρονικό διάστημα.

2. Η ανοσία που εγκαθίσταται έχει αρκετά μεγάλη διάρκεια, μεγαλύτερη από το χρονικό διάστημα μέσα στο οποίο επιχειρείται η ανοσία της αγέλης. Αν π.χ. χρειαζόμαστε 7 χρόνια για να επιτύχουμε «ανοσία της αγέλης» ώστε το σύστημα υγείας να διαχειριστεί τα κρούσματα και η ανοσία έχει διάρκεια ένα έτος, τότε αντιλαμβανόμαστε ότι η ανοσία της αγέλης είναι πολύ πιθανό να μην επιτευχθεί ποτέ.

3. Η ανοσολογική απόκριση μετά από ανάρρωση δεν συνδέεται με χειρότερη έκβαση σε περίπτωση επαναλοίμωξης. Με απλά λόγια να γνωρίζουμε ότι ένα άτομο που θα περάσει δεύτερη φορά τη νόσο δεν θα νοσήσει βαρύτερα (όπως π.χ. συμβαίνει με τον δάγκειο πυρετό).

Θα μπορούσαμε να ελπίζουμε σε ανοσία της αγέλης χωρίς να μολυνθούν οι ευπαθείς ομάδες π.χ. με μόλυνση των νέων ατόμων; Οταν η νόσος χειροτερεύει με την αύξηση της ηλικίας, τότε τα υψηλότερα ποσοστά ανοσίας σε μικρότερες ηλικίες δεν επαρκούν για να προστατεύσουν τη μεγαλύτερη ηλικιακή ομάδα. Αντιθέτως, σε κάποιες συνθήκες είναι πιθανόν ακόμα και να αυξήσουν τη νόσηση στις μεγάλες ηλικίες. Αντίστοιχο φαινόμενο έχει παρατηρηθεί στην Ερυθρά. H Covid-19 εξαπλώνεται με δυναμική υπερμετάδοσης. Τα μαθηματικά μοντέλα προβλέπουν ότι αν μολυνθούν και αποκτήσουν ανοσία οι υπερμεταδότες τότε η επιδημία θα μπει σε φάση «κατάρρευσης» ακόμα και αν το ποσοστό ανοσίας στον πληθυσμό είναι χαμηλό. Η πιθανότητα όμως να συμβεί αυτό είναι εξαιρετικά μικρή καθότι δεν γνωρίζουμε ποιοι άνθρωποι θα λειτουργήσουν ως υπερμεταδότες.

Ιστορικά η «ανοσία της αγέλης» έχει επιτευχθεί μέσω μαζικών εμβολιαστικών προγραμμάτων και κατόπιν ειδικού επιδημιολογικού σχεδιασμού που λαμβάνει υπόψη όλες τις παραπάνω παραμέτρους, πολλές εκ των οποίων δυστυχώς δεν τις γνωρίζουμε ακόμα σήμερα.

Ο Γκίκας Μαγιορκίνης είναι επίκουρος καθηγητής Υγιεινής και Επιδημιολογίας στην Ιατρική Σχολή του Εθνικού και Καποδιστριακού Πανεπιστημίου Αθηνών και μέλος της Επιτροπής Εμπειρογνωμόνων του υπουργείου Υγείας