Usuario: Contraseña:      ¿Olvidó la clave?   registrar

Usuarios revisando este tema :   1 Invitados:

VRS – Virus Respiratorio Sincitial: Proyecto finalizado
25/3/2008 0:36
Desde: Pontevedra
Mensajes: 4396

Open in new window

Open in new window

VRS Project

Project for the study of Respiratory Syncytial Virus (RSV)

RSV Problems

Respiratory Syncytial Virus (RSV) is the most frequent agent of respiratory tract infections in children younger than 2 years old and the major cause of hospitalizations specially for bronchiolitis and pneumonia. RSV is the cause of annual seasonal epidemics with minor variations each year and these are coincident with other widespread viral infections such as influenza or rotavirus, all these infections produce a high number of hospitalizations saturating the National Health Systems. Moreover, its transmission is very easy and nosocomial infections are frequent.

In Spain, there are 15,000 – 20,000 visits to primary care due to RSV each year. In the Spanish region of Valencia, 1,500 children younger than five years old are hospitalized annually with an average of 6 days of hospitalization per case. The cost of pediatric hospitalization for the Valencian Health System is about 3.5 million euros per year. To estimate the total pediatric cost of the illness it would be necessary to add the costs of primary care attention and the social (indirect) costs.

Therefore, it is important to have tools that allow to adapt to the health requirements, establish epidemic markers and predictors that help Health organizations to design control strategies against RSV and a reliable preparation of Health System. Researchers are also studying vaccines to protect individuals at early ages, when the immune system is not completely developed and, what is more important, to modulate the immune response responsible for the severity of the disease in young children.

Virus Modelling

The above facts lead us to propose the development of a dynamic model of RSV transmission and infection fitting real values of hospitalization for children younger than one year in the Spanish

region of Valencia. Once developed the model, our goal is to design several prevention strategies, vaccination included, study their effectiveness, perform pharmaco-economic analysis in order to obtain more efficient strategies to reduce RSV incidence. Finally, as a consequence, to propose Public Health guidelines and to extend the model to Spain.

The team which is working in this disease has developed a network model able to simulate the inter-person contacts and the RSV transmission better than the already existing models. The starting point is the segmentation of population into the situations an individual can face with respect to the disease: susceptible or healthy, sick and recovered, with transitions among all these status as detailed in the following figure:

Then we build a network or graph where each node is an individual with specific characteristics independent of the other nodes (age, health status, sex, etc.). The links between among nodes represent relationships among individuals the disease uses for transmission. If the relationships are chosen randomly when building the network, then we have a so called "random network". Furthermore, depending on the probability distribution chosen to set-up the links among nodes, we can distinguish different random networks (Poisson, exponential, potential). Once we have built the network and the evolution rules have been defined, we can simulate the model studying, for each individual, the relationships he/she has and how is affected by them. With this approach it is easy to study situations such as the disease’s behaviour when a vaccine is applied on a selected group of the population (i.e. only children, only elderly), or if some treatment is applied to specific group of sick persons. This is represented by the following figure.

The odds of this model is that parameter estimation (what we call "model fitting") is highly CPU demanding. Apart from a few specific exceptions, the fitting process implies a brute force search. What this means is that we are forced to test every possible parameter combination (in our case they are the infection rate, the number of relationships and the recovering time after infection), being each one of these combinations a model. The test or "evolution" of the model consists on analyse, in a day-by-day basis for a period of several years, what happens to each individual, if he/she becomes ill, recovers, dies, etc. After that, the simulation results must be inspected and check how well they fit with the previously known data.

In practice this leads to the network models being used with great restrictions, such as reducing the network’s size (either in number of nodes, relationships or both) or the range in the parameter’s values to be tried. Lets think in a model for the whole population of Spain (about 45,000,000 nodes). The network would be so huge that usually we cut it off and use, say 10,000 or 100,000 nodes, and then extrapolate the results. This is valid sometimes but many others is, at least, questionable.

At the end, once the model has been validated and improved, the main aim is to test different vaccination strategies and to perform a cost-benefit analysis of each strategy.


This project is finished. There will be no need of more distributed computations in the near future.

There were several conclusions extracted from the study of the VRS model. To sum up: First, that it is in fact possible to use a network model to simulate quite good the infection scheme and that the network model fits better than the usual continous model. Second, that once the model is defined, it is possible to figure out what would happend under certain vaccination schedules, and provide a picture of the cost and benefit of each schedule. And three and more shocking (in fact this goes against the general understanding of the disease, and is quite polemic) that the periodic prevalence of the disease is not linked (or at least could be not linked) to a seasonality periodicity but it arrises naturally from the particular way the virus infects people.

Open in new window


Proyecto de estudio del Virus Respiratorio Sincitial (VRS)

El virus respiratorio sincitial (VRS) es el agente causal más frecuente de las infecciones del tracto respiratorio inferior en menores de dos años, fundamentalmente bronquiolitis y neumonías. El VRS provoca epidemias anuales entre noviembre y marzo, con alguna variación interanual. Además coincide en el tiempo con otras infecciones que provocan un exceso de hospitalización, como la gripe y los rotavirus, lo que conlleva una verdadera congestión del sistema sanitario prácticamente todos los años. Además, dado que la transmisión del virus es fácil entre sujetos, las infecciones intrahospitalarias o nosocomiales son muy frecuentes.

En España se estima que la patología que provoca en el niño pequeño genera entre 15.000 y 20.000 consultas en atención primaria anualmente. En la Comunidad Valenciana ingresan anualmente 1.500 niños por bronquiolitis por VRS con una duración media de la hospitalización de 6 días. Esto supone un coste sanitario superior a los 3 millones y medio de euros anuales únicamente en hospitalizaciones pediátricas. Para la estimación del coste total de la enfermedad en pediatría habría que añadir el coste de las consultas en primaria y los costes indirectos o sociales.

Por todo ello se necesitan herramientas que permitan adecuar las necesidades sanitarias, establecer marcadores y predictores de las epidemias de forma que desde la Salud Pública se puedan establecer las estrategias de contención de la infección y preparación del sistema sanitario. También se están estudiando diversas aproximaciones para la obtención de vacunas, cuyas mayores limitaciones son la necesidad de obtener una respuesta inmune protectora en edades muy tempranas, cuando el sistema inmunitario está todavía poco desarrollado, y sobre todo la necesidad de modular esta respuesta inmune ya que gran parte de la patogenia de la enfermedad se debe no a la infección per se sino a una respuesta inmunitaria anómala del lactante.

Modelado del virus

Esta problemática nos lleva a proponer el desarrollo de un modelo dinámico de la transmisión e infección del VRS que se ajuste a datos reales de hospitalizaciones de menores de un año por VRS en la Comunidad Valenciana. Una vez establecido el modelo, diseñar diversas estrategias de prevención, incluida la vacunación, estudiar su efectividad y hacer análisis farmacoeconómicos, con el objetivo de obtener las estrategias más eficientes para reducir la incidencia de la enfermedad. Finalmente, proponer pautas de salud pública y extender el modelo a datos de toda España.

El equipo que está trabajando en esta enfermedad ha desarrollado un modelo de redes que simula mejor el contacto entre personas y la transmisión del VRS que los modelos desarrollados previamente. Partimos de la división de la población en las posibles situaciones que puede tener un individuo respecto a la enfermedad: susceptible o sano, infeccioso o enfermo y recuperado, con transiciones entre las situaciones como se ven en la figura siguiente (modelo SIRS).

Después construimos una red o grafo en la que cada nodo es un individuo con unas caractersticas propias e independientes del resto (edad, estado de salud, sexo, etc.). Las aristas entre los nodos representan las relaciones entre los individuos a través de las cuales la enfermedad se transmite. Si a la hora de construir la red asignamos las relaciones entre nodos de forma aleatoria decimos entonces que tenemos una red aleatoria (random network). Además, dependiendo de la distribución de probabilidad utilizada para asignar las relaciones entre nodos, tendremos distintos tipos de redes aleatorias (de Poisson, exponencial, potencial). Una vez que tenemos definida la red de relaciones y las reglas de evolución de la enfermedad podemos simular el modelo estudiando, individuo a individuo, las relaciones que tiene y cómo le afectan. Con esta aproximación es sencillo estudiar situaciones tales como el comportamiento de la enfermedad si se vacuna a un grupo concreto de la población (sólo a los niños, sólo a ancianos), o si se aplica cierta terapia a ciertos enfermos concretos. Podemos ver esto en la figura siguiente.

El inconveniente de este tipo de modelos es que la estimación de parámetros (lo que llamamos "ajuste del modelo") es computacionalmente muy costosa. Excepto en algunos casos muy concretos, el proceso de ajuste implica una búsqueda exhaustiva por fuerza bruta. Eso quiere decir que debemos probar cada posible combinación de parámetros (en nuestro caso son la tasa de infección, el número de relaciones y el tiempo de recuperación tras la enfermedad), correspondiendo cada una de estas combinaciones a un problema o modelo distinto. La prueba o "evolución" del modelo consiste en analizar, día a día a lo largo de varios años, qué le ocurre a cada individuo, si se pone enfermo, si se recupera, si muere, si nace, etc. Después hay que analizar los resultados y ver cómo de bien o de mal se acercan a los valores reales y conocidos.

En la práctica esto hace que los modelos de redes se usen con grandes limitaciones, como tener que reducir el tamaño de la red (en nodos y/o en relaciones) o restringir los intervalos de exploración para los parámetros de ajuste. Un buen ejemplo puede ser un modelo que pretenda abarcar a toda la población de España (unos 45.000.000 nodos). Una red así es tan grande que lo que se hace habitualmente es usar, digamos 10.000 o 100.000 nodos y extrapolar los resultados, algo algunas veces válido pero otras muchas, cuanto menos, discutible.

El objetivo final es, una vez validado y perfeccionado el modelo, probar diversas estrategias de vacunación y su efecto en la evolución de la enfermedad y estudiar la relación coste/beneficio de cada estrategia.


Este proyecto ha terminado. No habrá necesidad de más cálculos distribuidos en el futuro próximo.

Hay varias conclusiones a las que se ha llegado tras el estudio del modelo del VRS. Resumiendo mucho: primero, que de hecho es posible usar un modelo de redes aleatorias para simular bastante bien el patrón infeccioso y que dicho modelo de red ajusta mejor que los modelos continuos convencionales. Segundo, que una vez se ha definido el modelo, éste se puede usar para prever qué ocurriría bajo ciertas políticas de vacunación, y proporcionar una idea de la relación coste/beneficio de la misma. Y tercero, y más impactante, (de hecho esto va en contra de lo comúnmente aceptado y es bastante polémico) que la prevalencia de la enfermedad no está relacionado (o al menos podría no estar relacionado) con una periodicidad estacional, sino que surge de manera natural por las características infeccionas de la enfermedad.

Open in new window

Open in new window

Url proyecto:

Url equipo:


Estado del servidor:

Informe final:

Enviado el: 16/11/2011 21:56

Editado por ljfc2001 enviado el 19/9/2012 22:11:35
Open in new window

Open in new window
Transferir el mensaje a otras aplicaciones Transferir a

Puede ver mensajes.
No puede enviar mensajes.
No puede responder mensajes.
No puede editar mensajes.
No puede eliminar mensajes.
No puede crear encuestas.
No puede votar.
No puede adjuntar archivos.
No puede hacer un envío sin aprobación.

[Búsqueda Avanzada]


CANAL@Boinc 1997-2008  |  Diseño Rafa Hens sobre idea original de Fran | Reservados todos los derechos