В недавнем исследовании, опубликованном в PLOS One , исследователи разработали причинно-следственную модель для анализа распределения вирусной нагрузки коронавируса тяжелого острого респираторного синдрома 2 (SARS-CoV-2) в зависимости от возраста пациентов.

Фон

Истинная степень заражения подростков и детей SARS-CoV-2 неизвестна. Их роль в передаче SARS-CoV-2 в сообществе зависит от симптомов, вирусной нагрузки, поведения, восприимчивости и существующих стратегий смягчения последствий. Вирусная нагрузка представляет собой концентрацию вируса в верхних дыхательных путях и обычно выражается в количестве копий вирусной РНК на миллилитр образца.

Вирусная нагрузка определяется по значению порога цикла (Ct) образца в тесте полимеразной цепной реакции с обратной транскрипцией (RT-PCR). В нескольких исследованиях изучалось, имеют ли дети и взрослые разные вирусные нагрузки во время коронавирусной болезни 2019 года (COVID-19). Вирусная нагрузка является критической переменной, которая может помочь прогнозировать тяжесть и смертность от COVID-19.

Об исследовании

В настоящем исследовании изучалась вирусная нагрузка как косвенный показатель инфекционности SARS-CoV-2, а также повторно анализировались данные с разбивкой по возрасту, ранее представленные другой исследовательской группой, с помощью непараметрической, байесовской и причинно-следственной модели. После вспышки COVID-19 были предприняты усилия, чтобы определить, являются ли лица определенных возрастных групп более восприимчивыми к инфекции, чем другие.

Чтобы объяснить данные о вирусной нагрузке и возрасте SARS-CoV-2, модель должна интегрировать фундаментальные знания о причинно-следственной связи между вирусной нагрузкой и возрастом. Была разработана и применена к данным непараметрическая причинно-следственная модель. Данные ОТ-ПЦР о вирусной нагрузке из Института вирусологии и труда Шарите, Германия. Эти данные были получены с помощью двух приборов для ПЦР — Roche Cobas 6800/8800 и Roche LightCycler 480 II.

Набор данных cobas, обозначенный d C , включает примерно 2200 точек данных, тогда как набор данных LC480 (d L ) содержит около 1350 точек данных. Анализируемый набор данных состоял из проиндексированных пар возраста (x) и логарифмической вирусной нагрузки (y) для каждого из «N» инфицированных пациентов. Были определены два нижних порога фильтрации данных для вирусной нагрузки – y min (3,8) и y’ min (5,4), и любая точка данных с вирусной нагрузкой ниже y min и y’ min отбрасывалась. Два набора данных были сначала проанализированы путем исключения данных ниже y min , а затем ниже y’ min .

Результаты

В целом авторы наблюдали нисходящий тренд в распределении вероятностей вирусной нагрузки для всех наборов данных и возрастных групп. Набор данных d C показал значительные различия в вирусной нагрузке для разных возрастных групп. Распределение имело отчетливый максимум для вирусных нагрузок, равных или превышающих 8 (в логарифмических единицах) для пациентов старше 60 лет. Исследователи отметили, что это не было следствием чрезмерного подбора шума выборки, а было вызвано данными. Это означало, что различия в реальных данных были не просто эффектом дробового шума.

Что касается причинно-следственной структуры x → y (возраст влияет на вирусную нагрузку), в наборе данных d C были доказательства возрастного распределения вирусной нагрузки. Соотношение логарифмических доказательств для набора данных d C явно благоприятствовало зависимой модели, но оно уменьшалось, когда y’min считалось нижним порогом. Отношение логарифмических доказательств было низким для обратной причинно-следственной связи y → x (вирусная нагрузка влияет на возраст), что указывает на отсутствие надежной структуры y → x в данных.

Отношения логарифмических доказательств для набора данных d L для любого порога благоприятствовали независимой модели. Авторы несколько раз выполняли рандомизацию данных, чтобы создать несколько рандомизированных наборов данных. Рандомизация была повторена для проверки и калибровки расчета отношения доказательств. Отношения логарифмических доказательств между причинно-следственными (зависимыми) и независимыми моделями для 10 рандомизированных наборов данных были намного ниже, чем для исходных наборов данных.

Затем авторы исследовали, будут ли возрастные различия в распределении вирусной нагрузки иметь отношение к динамике инфекции. С этой целью вирусная нагрузка была связана с инфекционностью, вероятностью передачи инфекции. Команда использовала «предполагаемый успех изоляции вируса» на основе пробит-распределения в качестве показателя заразности. Не было больших различий в прогнозируемой инфекционности в разных возрастных группах. Это означало, что максимум 50%-ную разницу (скорее всего, меньшую) в инфекционности можно было ожидать из-за различий вирусной нагрузки в разных возрастных группах.

Выводы

Таким образом, авторы обнаружили, что различия в распределении вирусной нагрузки SARS-CoV-2 по возрастным группам в наборе данных d C были статистически значимыми. Они наблюдали статистически значимое увеличение вирусной нагрузки с возрастом, что соответствует общепринятому представлению о более слабом иммунном ответе с возрастом.

Таким образом, его влияние на инфекционность различных возрастных групп было умеренным. В целом, результаты подчеркивают, что вирусная нагрузка лишь незначительно зависит от возраста, что согласуется с данными литературы. Авторы предположили, что описанные модели можно легко адаптировать для общих целей и использовать для будущих вариантов SARS-CoV-2 или пандемий.