研究人員Ottar Bjornstad說道：“在感染SARS-CoV-2之後，隨著年齡的增長，結果和死亡率越來越嚴重，這是明顯的跡象。然而，我們的建模結果表明，隨著成人社區通過接種疫苗或接觸病毒變得免疫，感染的風險可能會轉移到更年幼的兒童。”
Bjornstad解釋稱，在其他冠狀病毒和流感病毒出現並隨後成為地方病時也觀察到瞭這種變化。
“呼吸道疾病的歷史記錄表明，初次流行期間的年齡-發病率模式可能跟地方病流行非常不同。比如正在進行基因組研究表明，1889 - 1890年的大流行造成一百萬人死亡，主要是年齡超過70歲的成人，這可能是由於HCoV-OC43病毒的出現，而現在成為瞭在7至12個月的大多數孩子的流行、溫和、反復感染流感病毒。”
不過，Bjornstad警告稱，如果成年人對SARS-CoV-2再次感染的免疫力下降，盡管此前接觸過病毒會減輕疾病的嚴重性，這一群體的疾病負擔可能仍然很高。
Bjornstad說道：“來自季節性冠狀病毒的經驗證據表明，以前的接觸可能隻會帶來對再次感染的短期免疫力，從而導致反復爆發，這種事先的接觸可能會啟動免疫系統進而為嚴重疾病提供一些保護。然而，對COVID-19的研究表明，接種疫苗比接觸SARS-CoV-2病毒提供瞭更強的保護，所以我們鼓勵每個人都盡快接種疫苗。”
美國-挪威團隊開發瞭一種被稱為“現實年齡結構(RAS)數學模型”，該模型集成瞭人口統計學、社會混合程度、感染阻斷和疾病減少免疫持續時間以此來檢驗COVID-19的年齡發病率和死亡率負擔的未來潛在情景。
具體來說，研究人員檢查瞭短期、中期和長期的疾病負擔--分別為1年、10年和20年。他們還研究瞭11個不同國傢的疾病負擔，包括中國、日本、韓國、歐洲、西班牙、英國、法國、德國、意大利、美國、巴西和南非，這些國傢的人口結構差異很大。他們使用來自聯合國的數據對每個國傢的模型進行參數化。
奧斯陸大學博士後Ruiyun Li表示：“不管免疫和混合，由於人口統計數據的不同，不同國傢的人口死亡負擔可能有所不同。我們的一般模型框架允許在面臨短期或長期保護性免疫的情況下，對年齡依賴性風險進行穩健預測，考慮到先前接觸過的疾病嚴重程度的降低並考慮到具有不同人口結構和社會混合模式的國傢范圍。”
Li表示，社會距離有充分的證據表明會影響傳播，許多國傢在首次COVID-19疫情形成期間實施瞭“就地避難”等幹預措施。因此，該團隊的模型假設任何一天的繁殖數量(R0)--或傳播水平--跟當天的流動性有關。該模型還覆蓋瞭各種免疫情景，包括疾病嚴重程度跟先前接觸的獨立性和依賴性以及短期（三個月或一年）和長期（10年或永久）免疫。
該團隊的研究結果於2021年8月11日發表在《科學進展》上。
“對於許多傳染性呼吸道疾病來說，在初次流行期間，人群的流行率會激增，但隨著感染的傳播隨時間的推移逐漸向地方病平衡展開，流行率會以遞減的波型模式下降，”Li說道，“根據免疫和人口統計學，我們的RAS模型支持這個觀察到的軌跡；它預測瞭COVID-19疫情開始時的年齡結構跟最終的流行情況截然不同。在長期免疫的情況下，無論是永久性還是至少10年的，預計年輕人的感染率最高，因為老年人可以通過之前的感染免受新的感染。”
普林斯頓大學生態學、進化生物學和公共事務副教授Jessica Metcalf指出，隻有在再次感染隻產生輕微疾病的情況下，這種預測才可能成立。然而，她表示，如果原發性感染無法防止再感染或減輕老年人的嚴重疾病，那麼隨著時間的推移，死亡率的負擔可能不會改變。“在這種最悲觀的情況下，由於免疫力下降導致的持續嚴重的再感染導致的額外死亡將持續下去，直到有更有效的藥物工具可用。”
有趣的是，由於人口統計學的差異，該模型對不同國傢的預測結果也不同。
奧斯陸大學生態學和進化教授Nils Chr. Stenseth說道：“考慮到感染致死率隨著年齡的增長而顯著增加，人口結構較老的國傢預計比人口結構相對年輕的國傢有更大的死亡比例。跟此相一致的是，例如，南非-可能部分是由於其年輕的人口結構--跟意大利等老齡人口相比，死亡人數更少。我們發現，這種‘死亡差異’在很大程度上受到人口統計數據的影響。然而不管人口結構如何，我們預計風險會持續轉移到年輕人身上。”
研究人員表示，他們設計的模型是為瞭讓衛生當局擁有一個強大而靈活的工具，以來用於檢查COVID-19未來的年齡循環進而加強防范和部署幹預措施。
Bjornstad表示：“我們建立的數學框架是靈活的，它可以幫助具有不同人口結構和社會混合模式的世界各國調整減緩戰略從而為政策決策提供一個關鍵工具。”
留言列表
