COVID-19はほとんどのインフルエンザよりも感染力が強く、致死率も高い一方、COVID-19とインフルエンザはいくつかの共通する特徴を持つ。つまり、いずれの疾患も主に上気道に感染し、飛沫や付着物、接触によって伝播する。米シカゴ大学の研究チームは、インフルエンザとの類似性を利用し、COVID-19がどのように感染拡大するかをより正確に予測する新たなモデルを提唱している。
PLoS Computational Biologyからこのほど公開されたチームの研究論文によると、新しいリスク測定法である「Universal Influenza-like Transmission（UnIT）スコア」は、既存のモデルと比較して、毎週の患者数をより正確に予測できるとしている。10年分に及ぶ米全土のインフルエンザ入院データを用い、インフルエンザ患者における週ごとの動向を調査した。例年、どこで感染クラスターが発生し、どのように全国に広がっていったかを明らかにするこのデータをもとに、チームはUnITスコアを作成した。さらに、社会的決定要因など、COVID-19の流行に影響を与える他の変数を組み合わせることで、CDCのモデリングハブに掲載されている他のモデルよりも高精度な予測結果を得た。
本研究は、「既存モデルではCOVID-19と季節性インフルエンザの動向の類似性を調査していない」ことに気づいたことに端を発する。実際、COVID-19の拡散抑制のための各種施策が、インフルエンザの抑制に効果的に働いてきた事実もこの重要性を示唆する。筆頭著者であるYi Huang氏は、プレスリリースのなかで「我々のモデルは比較的シンプルで、感染者数や死亡者数を予測するために使用されている他の多くのモデルよりも変数がはるかに少ない。しかし一方で、パンデミックの全期間において、他の複雑なモデルよりもその性能は優れている」と成果に自信を示している。
関連記事：
