Logo UHasselt

menu

Covid-19


Alle info over ons onderzoek naar Covid-19

Covid-19

Logo UHasselt Universiteit Hasselt - Knowledge in action

WELKE INFORMATIE HEBBEN WE NODIG?

Het is belangrijk om te beseffen hoe ons eigen gedrag een invloed heeft op de uitkomst van deze modellen. Grant Anderson van het YouTube kanaal 3Blue1Brown heeft een aantrekkelijk  filmpje gemaakt om aan te tonen wat het effect is als bijvoorbeeld 10% van de bevolking zich niet aan de lockdown maatregelen houdt, als we mensen die besmet zijn onmiddellijk in quarantaine zouden kunnen plaatsen, enz. Hoewel de modellen die hij gebruikt erg vereenvoudigd zijn en verregaande veronderstellingen maken (bv iedereen is hetzelfde), geeft het filmpje wel een goed idee van wat er speelt. Zeker een aanrader om te kijken, dus. Je kan het hier vinden: https://www.youtube.com/watch?v=gxAaO2rsdIs

De uitkomsten van de epidemiologische modellen die we hierboven kort toegelicht hebben, hangen erg af van de waarde (of verdeling) die we voor bepaalde parameters hanteren. Bijvoorbeeld in het individu-gebaseerd model: hoe vaak gaat een persoon naar de winkel, en in welke mate spreekt hij/zij daar met andere mensen? In het metapopulatie model: hoeveel van de mensen in een gemeente kunnen we als immuun bestempelen omdat ze de ziekte al gehad hebben? Welke groepen binnen de bevolking bewegen zich nog tussen verschillende gemeenten?

Deze parameters worden ingegeven in de modellen om voorspellingen te kunnen maken van wat het effect zal zijn van verschillende maatregelen. Voor een aantal van de parameters in het model kan je verschillende waarden beschouwen, waardoor het effect van verschillende maatregelen kan worden bestudeerd. De informatie die nodig is om een schatting te maken van deze parameters bekomen we op verschillende manieren.

Op basis van de enquêtes die ieder van u elke dinsdag kan invullen, krijgen we een idee van hoeveel mensen ziekteverschijnselen vertonen, tot welke leeftijdscategorie ze behoren, hoeveel contacten ze hebben met anderen, enz. Opdat we nauwkeurige resultaten verkrijgen, is het cruciaal dat zoveel mogelijk mensen deze enquêtes invullen. Hierbij opnieuw een link naar de website van Universiteit Antwerpen met de vragenlijst: https://www.uantwerpen.be/nl/projecten/corona-studie/ (klik op de rode knop). En op deze website kan je interactieve grafieken vinden van deze data: https://corona-studie.shinyapps.io/corona-studie/. In het kader van het internationaal EpiPose project (genoemd naar de inspanningen om de COVID-19 epidemie te ‘pauzeren’), is eveneens een online bevraging gestart in het VK, Nederland en België om het aantal en type van sociale contacten op verschillende tijdsmomenten te bepalen voor verschillende leeftijdsgroepen. Voor België verwachten we de eerste resultaten vanaf 23 april. Op de website http://www.socialcontactdata.org worden dergelijke sociale contact gegevens uit studies in verschillende landen gedeeld. Het delen van data op internationaal niveau kan helpen om samen de COVID-19 pandemie te bestrijden (zie hier voor paper). Daarnaast gebruiken we gegevens die de ziekenhuizen rapporteren, bijvoorbeeld hoeveel bedden er bezet zijn, hoeveel mensen er op de intensieve zorgen liggen, enz.

Voor de compartimentele transmissiemodellen, is het belangrijk om te weten hoeveel mensen reeds immuniteit hebben opgebouwd tegen het COVID-19 virus omdat ze de ziekte al doorlopen hebben, misschien zonder dat ze het zelf weten. Het aantal bevestigde gevallen is zeker en vast een onderschatting van het aantal mensen met opgebouwde immuniteit. Er worden momenteel serologische studies opgezet in België om op basis van bloedstalen die genomen worden als deel van de routine zorgtraject (dus niet specifiek voor COVID-19, maat bijvoorbeeld voor de opvolging van een zwangerschap) de populatie immuniteit te berekenen. Het SIMID team geeft advies over het ontwerp van de studie en de analyse van de serologische gegevens. Meer bepaald geeft het team input over hoe men ervoor kan zorgen dat er voldoende stalen geanalyseerd kunnen worden per leeftijdsgroep zodat de steekproef zo precies mogelijk de besmettingsgraad per leeftijdscategorie en de algemene demografie weergeeft. Het team zet ook  kennis over het immuunsysteem in via onze ‘in-huis’ immunoloog Joris Vanderlocht en via samenwerking met onder andere de onderzoeksgroep van Johan Neyts (KU Leuven) om na te gaan hoe het verloop van de epidemie er zou uitzien indien antivirale middelen toegediend konden worden. Antivirale middelen remmen het virus af bij een besmette persoon waardoor het virus het moeilijker krijgt om andere personen te besmetten. 

Het team testte het effect van antivirale middelen aan de hand van simulatiemodellen die de verspreiding van het virus nabootsen (net zoals het transmissiemodel dat in het metapopulatiemodel gebruikt wordt) in een scenario waarin contact tracing toegepast wordt, met andere woorden voor deze aanpak gaan we ervan uit dat we weten met wie elke besmette persoon in contact is gekomen én dat mogelijke symptomen bij elke contactpersoon opgevolgd worden en leiden tot isolatie, quarantaine en/of een COVID-19 test. Recente resultaten (zie voor paper) tonen aan dat het toedienen van een krachtig antiviraal middel, in combinatie met contact tracing, quarantaine- en isolatiemaatregelen, effectief kan zijn om de epidemie onder controle te krijgen én te houden. Dit volgt uit de vaststelling dat er minder besmettingen en minder lokale opflakkeringen zijn van het virus in nagebootste scenario's waarin antivirale middelen worden toegediend zodra iemand positief test, dan wanneer deze niet worden toegediend. 

Deze aanpak is gebaseerd op een aantal veronderstellingen die te maken hebben met hoe het virus zich exact gedraagt (vb. hoe lang duurt de incubatieperiode, hoeveel besmette personen vertonen effectief symptomen) en met de werking en beschikbaarheid van een antiviraal middel waarvoor klinische studies momenteel lopende zijn.

Figuur uit Torneri and Libin et al. (2020, MedRXiv preprint). Op de Y-as zie je het totaal aantal besmettingen in een nagebootste populatie van 500 mensen. De X-as geeft verschillende waarden voor de mate waarin contact tracing mogelijk is (hoe hoger, hoe meer contact tracing gegevens beschikbaar zijn). De kleuren verwijzen naar de verschillende scenario’s waarvoor het aantal besmettingen is berekend: geel voor het scenario zonder toediening van antivirale middelen en zonder testafname bij het vertonen van symptomen; groen voor het scenario zonder toediening van antivirale middelen maar met testafname bij het vertonen van symptomen; blauw voor het scenario met toediening van antivirale middelen na een positieve COVID-19 test.     

Berekening van de ziektelast en economische impact

Onderzoekers van de Universiteit Antwerpen nemen de leiding in analyses rond de impact van de COVID-19 epidemie op de druk op het gezondheidssysteem en op onze economie (zie oa hier voor paper en hier voor opiniestuk). Op de website www.covid-hcpressure.org wordt de berekening van deze druk in verschillende landen elk uur bijgewerkt op basis van een samengestelde capaciteit maat die rekening houdt met het aantal artsen, verpleegkundigen, bedden op de afdeling voor intensieve zorgen ten opzichte van het aantal bevestigde COVID-19 besmettingen en sterfgevallen. Men kan verschillende scenario’s bekijken bij het berekenen van de ziektelast om de invloed van maatregelen in kaart te brengen. 

De economische impact in een aantal Europese landen wordt gevolgd aan de hand van  media rapporten en markt indicatoren voor verschillende sectoren, interventies van de nationale bank en gegevens over tewerkstellingsgraad, publieke financiering, verkoopdata enz in een land. Op Europees niveau nemen de onderzoekers ook de interventies van de Europese Centrale Bank mee in de berekeningen. 

Een hotspot voor klinische studies 

De statistici van het Data Science Instituut van de Universiteit Hasselt worden gegroepeerd in de onderzoeksgroep CenStat. Deze groep is op zijn beurt de Hasseltse entiteit van het Interuniversitair Instituut voor Biostatistiek en statistische Bioinformatica (I-BioStat; www.ibiostat.be), een instituut opgericht samen met de KU Leuven. De Leuvense entiteit, L-BioStat, is actief op het vlak van klinische studies in de strijd tegen COVID-19. Met het UZ Gasthuisbeg vlakbij is dat natuurlijk niet verwonderlijk. 

Aan de KU Leuven werd het DAWN (Direct Antivirals Working Against nCoV ) consortium opgericht dat alle studies naar behandeling voor COVID-19 coördineert. Binnen het consortium worden verschillende therapieën in parallel uitgetest. In eerste instantie wordt bestudeerd of gekende antivirale middelen zoals Itraconazole of Azithromycine de virusreplicatie effectief kunnen onderdrukken. Daarnaast wordt onderzocht hoe hyper-inflammatie, frequent geobserveerd in COVID-19 patiënten, kan worden vermeden. Tot slot onderzoekt men of toediening van reconvalescent plasma van herstelde COVID-19 patiënten nieuwe patiënten helpt om de ziekte sneller te overwinnen. De meeste studies zijn samen met andere ziekenhuizen, universiteiten, en partners zoals het Rode Kruis en het KCE, maar de coördinatie is steeds in handen van een Leuvens expert, zoals Geert Meyfroidt. 

Geert Verbeke vertegenwoordigt L-BioStat in de stuurgroep van het consortium. Zijn team ondersteunt het DAWN consortium bij het voorbereiden van de studieprotocollen, het berekenen van steekproefgroottes, het ontwikkelen van randomisatieschema’s, het analyseren van tussentijdse data ter ondersteuning van het Data Safety Monitoring Committee (DSMB), en de onderhandelingen met externe partners zoals het Federaal Agentschap voor Geneesmiddelen en Gezondheidsproducten (FAGG). Daarnaast adviseert het team ook de diverse klinische experten bij hun keuze van een gepaste proefopzet of een geschikt primair eindpunt.