Published July 20, 2022 | Version v1
Publication Open

Modelling the interplay of SARS-CoV-2 variants in the United Kingdom

Creators

  • 1. Institute of Scientific and Technical Research for Defense
  • 2. Universidad Nacional Autónoma de México
  • 3. Consejo Nacional de Investigaciones Científicas y Técnicas
  • 4. Polytechnic University of Bari
  • 5. Bariloche Atomic Centre
  • 6. National University of Río Negro
  • 7. Instituto de Física del Litoral

Description

Many COVID-19 vaccines are proving to be highly effective to prevent severe disease and to diminish infections. Their uneven geographical distribution favors the appearance of new variants of concern, as the highly transmissible Delta variant, affecting particularly non-vaccinated people. It is important to device reliable models to analyze the spread of the different variants. A key factor is to consider the effects of vaccination as well as other measures used to contain the pandemic like social behaviour. The stochastic geographical model presented here, fulfills these requirements. It is based on an extended compartmental model that includes various strains and vaccination strategies, allowing to study the emergence and dynamics of the new COVID-19 variants. The model conveniently separates the parameters related to the disease from the ones related to social behavior and mobility restrictions. We applied the model to the United Kingdom by using available data to fit the recurrence of the currently prevalent variants. Our computer simulations allow to describe the appearance of periodic waves and the features that determine the prevalence of certain variants. They also provide useful predictions to help planning future vaccination boosters. We stress that the model could be applied to any other country of interest.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

أثبتت العديد من لقاحات كوفيد-19 فعاليتها العالية في الوقاية من الأمراض الشديدة وتقليل العدوى. يفضل توزيعها الجغرافي غير المتكافئ ظهور متغيرات جديدة مثيرة للقلق، كمتغير دلتا شديد العدوى، مما يؤثر بشكل خاص على الأشخاص غير الملقحين. من المهم أن تقوم نماذج الجهاز الموثوقة بتحليل انتشار المتغيرات المختلفة. يتمثل أحد العوامل الرئيسية في النظر في آثار التطعيم بالإضافة إلى التدابير الأخرى المستخدمة لاحتواء الوباء مثل السلوك الاجتماعي. يفي النموذج الجغرافي العشوائي المعروض هنا بهذه المتطلبات. وهو يعتمد على نموذج مقصور موسع يتضمن العديد من السلالات واستراتيجيات التطعيم، مما يسمح بدراسة ظهور وديناميكيات متغيرات COVID -19 الجديدة. يفصل النموذج بشكل ملائم المعلمات المتعلقة بالمرض عن تلك المتعلقة بالسلوك الاجتماعي وقيود التنقل. طبقنا النموذج على المملكة المتحدة باستخدام البيانات المتاحة لتناسب تكرار المتغيرات السائدة حاليًا. تسمح المحاكاة الحاسوبية لدينا بوصف ظهور الموجات الدورية والميزات التي تحدد انتشار بعض المتغيرات. كما أنها توفر تنبؤات مفيدة للمساعدة في التخطيط لمعززات التطعيم في المستقبل. نشدد على أنه يمكن تطبيق النموذج على أي بلد آخر محل اهتمام.

Translated Description (French)

De nombreux vaccins contre la COVID-19 se révèlent très efficaces pour prévenir les maladies graves et diminuer les infections. Leur répartition géographique inégale favorise l'apparition de nouvelles variantes préoccupantes, comme la variante Delta hautement transmissible, affectant particulièrement les personnes non vaccinées. Il est important de disposer de modèles fiables pour analyser la propagation des différentes variantes. Un facteur clé est de considérer les effets de la vaccination ainsi que d'autres mesures utilisées pour contenir la pandémie comme le comportement social. Le modèle géographique stochastique présenté ici répond à ces exigences. Il est basé sur un modèle compartimental étendu qui comprend diverses souches et stratégies de vaccination, permettant d'étudier l'émergence et la dynamique des nouvelles variantes de la COVID-19. Le modèle sépare commodément les paramètres liés à la maladie de ceux liés au comportement social et aux restrictions de mobilité. Nous avons appliqué le modèle au Royaume-Uni en utilisant les données disponibles pour s'adapter à la récurrence des variantes actuellement répandues. Nos simulations informatiques permettent de décrire l'apparition d'ondes périodiques et les caractéristiques qui déterminent la prévalence de certaines variantes. Ils fournissent également des prédictions utiles pour aider à planifier les futurs rappels de vaccination. Nous soulignons que le modèle pourrait être appliqué à tout autre pays d'intérêt.

Translated Description (Spanish)

Muchas vacunas contra la COVID-19 están demostrando ser altamente efectivas para prevenir enfermedades graves y disminuir las infecciones. Su desigual distribución geográfica favorece la aparición de nuevas variantes de preocupación, como la variante Delta altamente transmisible, que afecta especialmente a las personas no vacunadas. Es importante contar con modelos fiables para analizar la propagación de las diferentes variantes. Un factor clave es considerar los efectos de la vacunación, así como otras medidas utilizadas para contener la pandemia, como el comportamiento social. El modelo geográfico estocástico que aquí se presenta, cumple con estos requisitos. Se basa en un modelo compartimental extendido que incluye diversas cepas y estrategias de vacunación, lo que permite estudiar la aparición y la dinámica de las nuevas variantes de COVID-19. El modelo separa convenientemente los parámetros relacionados con la enfermedad de los relacionados con el comportamiento social y las restricciones de movilidad. Aplicamos el modelo al Reino Unido utilizando los datos disponibles para ajustar la recurrencia de las variantes actualmente prevalentes. Nuestras simulaciones informáticas permiten describir la aparición de ondas periódicas y las características que determinan la prevalencia de determinadas variantes. También proporcionan predicciones útiles para ayudar a planificar futuros refuerzos de vacunación. Destacamos que el modelo podría aplicarse a cualquier otro país de interés.

Files

s41598-022-16147-w.pdf.pdf

Files (2.4 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:5e80744c53ce8009126099d5003ec0b4
2.4 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
نمذجة التفاعل بين متغيرات سارس- كوف-2 في المملكة المتحدة
Translated title (French)
Modélisation de l'interaction des variants du SRAS-CoV-2 au Royaume-Uni
Translated title (Spanish)
Modelado de la interacción de las variantes del SARS-CoV-2 en el Reino Unido

Identifiers

Other
https://openalex.org/W4286502351
DOI
10.1038/s41598-022-16147-w

Is supplement to
https://openalex.org/W4226296940 (Other)
https://openalex.org/W4206669628 (Other)
https://openalex.org/W4205317059 (Other)
https://openalex.org/W4200329650 (Other)
https://openalex.org/W3134376730 (Other)
https://openalex.org/W3127156785 (Other)
https://openalex.org/W3084498529 (Other)
https://openalex.org/W3036314732 (Other)
https://openalex.org/W3009669391 (Other)
https://openalex.org/W3005417802 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Mexico

References

  • https://openalex.org/W2551962565
  • https://openalex.org/W2587970647
  • https://openalex.org/W3008443627
  • https://openalex.org/W3092024794
  • https://openalex.org/W3126551464
  • https://openalex.org/W3127589090
  • https://openalex.org/W3127941442
  • https://openalex.org/W3133659396
  • https://openalex.org/W3134446480
  • https://openalex.org/W3134566701
  • https://openalex.org/W3135257712
  • https://openalex.org/W3135260899
  • https://openalex.org/W3154748858
  • https://openalex.org/W3155262144
  • https://openalex.org/W3161346566
  • https://openalex.org/W3176980150
  • https://openalex.org/W3185300297
  • https://openalex.org/W3190192691
  • https://openalex.org/W3194949802
  • https://openalex.org/W3201408162
  • https://openalex.org/W3206181818
  • https://openalex.org/W4205341912
  • https://openalex.org/W4210862572