Problem: Outbreak analysis and mathematical modelling are crucial for planning public health responses to infectious disease outbreaks, epidemics and pandemics. This paper describes the data analysis and mathematical modelling undertaken during and following the 2009 influenza pandemic, especially to inform public health planning and decision-making.
Approach: Soon after A(H1N1)pdm09 emerged in North America in 2009, the World Health Organization convened an informal mathematical modelling network of public health and academic experts and modelling groups. This network and other modelling groups worked with policy-makers to characterize the dynamics and impact of the pandemic and assess the effectiveness of interventions in different settings.
Setting: The 2009 A(H1N1) influenza pandemic.
Relevant changes: Modellers provided a quantitative framework for analysing surveillance data and for understanding the dynamics of the epidemic and the impact of interventions. However, what most often informed policy decisions on a day-to-day basis was arguably not sophisticated simulation modelling, but rather, real-time statistical analyses based on mechanistic transmission models relying on available epidemiologic and virologic data.
Lessons learnt: A key lesson was that modelling cannot substitute for data; it can only make use of available data and highlight what additional data might best inform policy. Data gaps in 2009, especially from low-resource countries, made it difficult to evaluate severity, the effects of seasonal variation on transmission and the effectiveness of non-pharmaceutical interventions. Better communication between modellers and public health practitioners is needed to manage expectations, facilitate data sharing and interpretation and reduce inconsistency in results.
Problème: L'analyse de l'apparition d'une pandémie et sa modélisation mathématique sont cruciales pour la planification des réponses de santé publique à l'apparition de maladies infectieuses, d'épidémies et de pandémies. Ce document décrit l'analyse de données et la modélisation mathématique entreprises pendant et après la pandémie de grippe de 2009, en particulier pour orienter la planification des interventions de santé publique et la prise de décision.
Approche: Peu après l'apparition du virus pandémique A(H1N1)pdm09 en Amérique du Nord, en 2009, l'Organisation mondiale de la Santé a rassemblé un réseau informel de modélisation mathématique composé d'experts de la santé publique, de spécialistes universitaires et des groupes de modélisation. Ce réseau et d'autres groupes de modélisation ont travaillé avec les décideurs pour définir la dynamique et l'impact de la pandémie, et évaluer l'efficacité des interventions dans divers environnements.
Environnement local: La pandémie de grippe A(H1N1) de 2009.
Changements significatifs: Les modélisateurs ont fourni un cadre quantitatif pour l'analyse des données de surveillance et la compréhension de la dynamique de l'épidémie et de l'impact des interventions. Toutefois, au quotidien, les décisions politiques étaient sans doute plus souvent inspirées par des analyses statistiques simples, en temps réel, basées sur des modèles de transmission mécanistes et les données épidémiologiques et virologiques disponibles, que par un modèle de simulation sophistiqué.
Leçons tirées: Un des enseignements principaux est que la modélisation ne peut pas remplacer les données. Elle ne fait qu'utiliser les données disponibles et mettre en évidence les données supplémentaires pouvant mieux éclairer les politiques. Le manque de données en 2009, en particulier en provenance des pays à faibles ressources, ont rendu difficile l'évaluation de la gravité, les effets des variations saisonnières sur la transmission et l'efficacité des interventions non pharmaceutiques. Une meilleure communication entre les modélisateurs et les praticiens de la santé publique est nécessaire pour gérer les attentes, faciliter le partage et l'interprétation de données, et réduire les incohérences entre les résultats.
Situación: El análisis del brote y la modelización matemática son cruciales para la planificación de respuestas de salud pública a los brotes, epidémicos y pandémicos, de enfermedades infecciosas. Este documento describe los análisis de datos y la modelización matemática utilizados durante y después de la gripe pandémica de 2009. Su objetivo principal era la obtención de información para la planificación y la toma de decisiones en materia de salud pública.
Enfoque: Poco después de que surgiera el virus pandémico A(H1N1)pdm09 en Norteamérica en el año 2009, la Organización Mundial de la Salud reunió una red informal de modelización matemática compuesta por expertos académicos, expertos en salud pública y grupos de modelización. Esta red y otros grupos de modelización trabajaron con responsables políticos con el fin de caracterizar las dinámicas y el impacto de la pandemia, así como para evaluar la eficacia de las intervenciones en diversos escenarios.
Marco regional: La gripe pandémica A(H1N1) de 2009.
Cambios importantes: Los encargados de la modelización proporcionaron un marco cuantitativo para analizar los datos de vigilancia y para entender la dinámica de la epidemia y el impacto de las intervenciones. No obstante, podría decirse que lo que con mayor frecuencia informó a diario a las decisiones políticas no fue la modelización de simulación sofisticada, sino simples análisis estadísticos en tiempo real basados en los modelos mecanicistas de transmisión, que se basan en los datos epidemiológicos y virológicos disponibles.
Lecciones aprendidas: Una lección clave fue que la modelización no puede sustituir a los datos, únicamente puede hacer uso de los datos disponibles y destacar aquellos datos adicionales que puedan ser la mejor información para la política. Las lagunas de datos en 2009, especialmente de los países con pocos recursos, dificultaron la evaluación de la gravedad, los efectos de la variación estacional en la transmisión y la eficacia de las intervenciones no farmacéuticas. Es necesario mejorar la comunicación entre los encargados de la modelización y los profesionales de salud pública para gestionar las expectativas, facilitar que se compartan e interpreten datos y reducir las incoherencias en los resultados.
المشكلة: يعتبر تحليل الفاشيات والنمذجة الرياضية في غاية الأهمية لتخطيط الاستجابات الصحية العمومية لفاشيات الأمراض المعدية والأوبئة والجوائح. وتصف هذه الورقة تحليل البيانات والنماذج الرياضية التي تم إجراؤها خلال جائحة أنفلونزا عام 2009 وبعدها، وبالأخص لتوفير معلومات لتخطيط الصحة العمومية وصنع القرار.
الأسلوب: بُعيد ظهور الفيروس الوبائي A(H1N1)pdm09 في أمريكا الشمالية في 2009، دعت منظمة الصحة العالمية لعقد اجتماع لشبكة غير رسمية للنمذجة الرياضية من خبراء الصحة العمومية والخبراء الأكاديميين ومجموعات النمذجة. وعملت هذه الشبكة ومجموعات النمذجة الأخرى مع صناع السياسة لوصف الديناميكيات وتأثير الجائحة وتقييم فعالية التدخلات في المواقع المختلفة.
المواقع المحلية: جائحة الإنفلونزا A(H1N1) عام 2009.
التغيّرات ذات الصلة: قدَّم واضعو النماذج إطارًا كميًا لتحليل بيانات الرصد ولفهم ديناميكيات الوباء وتأثير التدخلات. غير أنه على نحو مثير للجدل لم يكن ما تستنير به القرارات المتعلقة بالسياسات في الغالب على أساس يومي هو نمذجة المحاكاة المتطورة، بل كان التحليلات الإحصائية البسيطة في الوقت الحقيقي القائمة على نماذج الانتقال الميكانيكي بالاعتماد على بيانات الأوبئة والفيروسات المتاحة.
الدروس المستفادة: أحد الدروس الرئيسية هو أن النمذجة لا يمكن أن تكون بديلاً عن البيانات؛ بل يمكنها فقط الاستفادة من البيانات المتاحة والتأكيد على ما يمكن أن تستنير به السياسة من بيانات إضافية على النحو الأمثل. لقد جعلت فجوات البيانات في 2009، وبالأخص الواردة من البلدان منخفضة الموارد من الصعب تقييم الشدة وتأثيرات الاختلاف الموسمي على الانتقال وفعالية التدخلات غير الصيدلانية. وثمة حاجة لتحسين الاتصال بين واضعي النماذج وممارسي الصحة العمومية بغية إدارة التوقعات وتسهيل مشاركة البيانات وتفسيرها وتقليل التضارب في النتائج.
问题: 爆发分析和数?建模对规划传染病爆发、疾病流行和大流行的公共卫生响?至关重要。本文介绍 2009 年流感大流行期间及之后进行的特别用于为公共卫生计划和决策制定提供情报的数据分析和数学建模。
方法: 2009 年北美出现 A(H1N1)pdm09 流感病毒之后，世界卫生组?随即召集公共卫生、学术专家和建模团队的非正式数学建模网络。该网络和其他建模团?与决策者协作描述流行病的动?和影响的特征，并评估不同环境中的干预效果。
当地状况: 2009 A(H1N1) 流感大流行。
相关变化: 建模者提供了分析监测数据和理解流行病动态及干预影响的定量分析框架。然而，日常最经常为?策提供情报的无疑不是复杂的模拟建模，而是基于依赖可用流行病学和病毒学?据的机械传播模型的简单、实?的统?分析。
经验教训: 主要的经验教训是：建模替代不了数据；其只能利用可用的数据以及突出可能对?策提供最重要信息的补充数据。2009 年的数据缺口（尤其是财力不足的国家造成的缺口）使评估严重性、季节性变量对?播的影响和非药物干预效果非常困难。要管理预期、促进?据共享以及解释并减少结果中的不一致，需要建模者和公共卫生参与者之间更好的沟通。
Проблема: Анализ и математическое моделирование вспышек заболеваний играют важную роль в планировании ответных мер органов здравоохранения на вспышки инфекционных заболеваний, эпидемии и пандемии. В этом документе описывается анализ данных и математическое моделирование, осуществленные во время и после пандемии гриппа в 2009 году. Основной целью этих мероприятий было предоставление необходимой информации для осуществления планирования и принятия решений органами здравоохранения.
Подход: Вскоре после пандемии вируса гриппа A(H1N1)pdm09 в Северной Америке в 2009 году Всемирная организация здравоохранения создала неформальную сеть математического моделирования из групп академических экспертов и специалистов по моделированию в сфере здравоохранения. Эта сеть и другие группы по моделированию сотрудничали с составителями политик с целью определения характеристик, динамики и влияния пандемий, а также оценки эффективности мероприятий в различных условиях.
Местные условия: Пандемия гриппа A(H1N1) в 2009 году.
Осуществленные перемены: Составители моделей предоставили количественную основу для анализа данных по эпиднадзору, а также для понимания динамики распространения эпидемий и влияния осуществленных мероприятий. Тем не менее, основная информация для принимающих решения органов поступала на ежедневной основе не по результатам сложного имитационного моделирования, но из простого и проводимого в реальном времени статистического анализа, основывающегося на механистических моделях передачи, использующих доступные эпидемиологические и вирусологические данные.
Выводы: Основной вывод заключается в том, что моделирование не может заменить данные. Оно может только служить инструментом для обработки доступных данных и указывать, какие дополнительные сведения могут быть полезны при составлении политик. Пробелы в данных 2009 года, особенно из стран с ограниченными ресурсами, затруднили оценку тяжести пандемии, последствий сезонных изменений при передаче вируса и эффективность нефармацевтических мероприятий. Для достижения ожидаемых результатов, стимулирования обмена данными, а также для улучшения интерпретации результатов и уменьшения количества несоответствий, необходимо повышение качества обмена данными между составителями моделей и сотрудниками здравоохранения.