| Abstract | Godišnje cijepljenje trokomponentnim inaktiviranim cjepivom se odavno smatra najuspješnijim načinom prevencije influence. Taj postupak se posebno preporučuje starijim osobama (>65 godina) i osobama s kroničnim bolestima koje su i najviše sklone razvoju komplikacija od influence. Međutim, pokazalo se da je zaštitni učinak cijepljenja u starijih osoba značajno slabiji, nego u mlađih osoba. U radu smo željeli procijeniti u kojoj mjeri pojedini od tri bitna čimbenika, prethodno antigensko iskustvo (primarna imunizacija, ostatni titar protutijela i broj prethodnih cijepljenja), starija dob (>65 god.) i poremećaji zdravstvenog stanja koji prate starenje, utječu na učinkovitost cijepljenja protiv influence. Poseban cilj je bio utvrditi koje bi kronične bolesti i patogenetski poremećaji mogle smanjiti serološki odgovor na cjepivo, budući da se o tome problemu još vrlo malo zna. Ispitivanje je provedeno za vrijeme rutinskog postupka cijepljenja protiv influence, u sezoni 2003/2004 god., u jednoj ambulanti opće medicine. Za sudjelovanje u ispitivanju svoj informirani pristanak su dale 93 osobe, 35 M i 58 Ž, stare 50-89 godina (medijan 69), od ukupno 150 osoba koliko ih se te godine dobrovoljno cijepilo protiv influence. Lokalno Etičko povjerenstvo za medicinska istraživanja je odobrilo ispitivanje. Za analizu titrova protutijela, ovisno o broju prethodnih cijepljenja i dobi, koristili smo klasične statističke metode (χ2, Kruskal-Wallis i Fisher exact test). Da utvrdimo koji bi poremećaji zdravstvenog stanja koji prate starenje mogli imati najveći negativni utjecaj na serološki odgovor na cjepivo protiv influence, primijenili smo metodu strojnog učenja, na već pripremljenu bazu podataka. Konkretno, u radu su korišteni algoritmi ILLM (Inductive Learning by Logic Minimization) sustava, razvijeni u Laboratoriju za informacijske sustave Instituta “Rudjer Bošković” u Zagrebu. Bazu podataka je činilo 52 parametra koji su uključivali dob, spol, dijagnoze najvažnijih skupina kroničnih bolesti starije dobi, antropometrijske mjere, te hematološke i biokemijske laboratorijske analize. Zajednički utjecaj sva tri čimbenika, prethodnog antigenskog iskustva (broj prethodnih cijepljenja i ostatni titar protutijela za četiri testirana tipa virusa influence), dobi, te parametara zdravstvenog stanja, na učinkovitost cijepljenja, smo analizirali metodom logističke regresije (model sa svim uključenim varijablama, te modeli s postepenim uključivanjem i isključivanjem varijabli, forward i backward). Od parametara zdravstvenog stanja, u analizu su ušli samo oni koje smo prethodno dobili metodom strojnog učenja. Rezultati su pokazali da su samostalni čimbenici koji mogu utjecati na učinkovitost cijepljenja protiv influence prethodno antigensko iskustvo i poremećaji zdravstvenog stanja koji prate starenje,dok se utjecaj starije dobi ne može odvojiti od utjecaja tih dvaju čimbenika. Zaštitni učinak cijepljenja, tj. postotak osoba sa zaštitnim titrom protutijela (≥1:40), u osoba starih 50 i više godina, s više kroničnih bolesti, kakve se najčešće i cijepe protiv influence u ambulantama opće medicine, nakon ponovljenih cijepljenja se općenito ne smanjuje. Mogućnost da do toga dođe postoji jedino u osoba prethodno cijepljenih puno (četiri i više) puta, ali samo za komponentu cjepiva čiji se sastav u cjepivu često mijenja. Slab učinak cijepljenja se može očekivati i u onih osoba koje se cijepe prvi put, na komponentu cjepiva A/H1N1, poznatu po čestom odsustvu ostatnog titra protutijela. Primjenom algoritama ILLM sustava na bazu podataka, prema četiri različita kriterija za definiciju slabe serološke reaktivnosti na cjepivo protiv influence, nađene su prepoznatljive strukture u podacima. Tim putem, iz baze podataka smo selekcionirali 16 parametara koji mogu služiti kao prediktori slabog serološkog odgovora. Ti parametri su: postotak mononuklearnih leukocita i limfocita u diferencijalnoj krvnoj slici, hormon štitne žlijezde tiroksin (fT4), vitamin B12 (ili njegov ekvivalent-parametar MCV), β-globulini, debljina kožnog nabora iznad nadlaktice, klirens kreatinina, aminokiselina homocistein, γ-globulini, IgA specifična protutijela na mikroorganizam Helicobacter pylori, hormon hipofize prolaktin, glukoza u krvi na tašte, serumski albumin, starija dob i tireoidni stimulirajući hormon hipofize (TSH). Od tih dobivenih parametara, najbolji prediktori, prema pravilima ILLM algoritama, su oni koji predstavljaju dva para međusobno povezanih poremećaja, a to su „povećan postotak monocita i smanjen postotak limfocita u diferencijalnoj krvoj slici“, te „deficit vitamina B12 i hiperhomocisteinemija“. Primjenom dodatnih algoritama, za pojedine od selekcioniranih parametara, mogao se steći bolji uvid u način kako su parametri međusobno povezani u funkcionalne cjeline. Na taj način smo identificirali četiri klinička stanja, najvjerojatnije povezana sa slabim serološkim odgovorom na cjepivo protiv influence. Ta klinička stanja su: smanjena bubrežna funkcija (posebno sindrom karakteriziran upalom, malnutricijom, poremećajem metabolizma glukoze i hiperhomocisteinemijom), mentalni i neurodegenerativni poremećaji (posebno oni povezani s promjenama u hipotalamusu i hipofizi, praćeni hiperprolaktinemijom), hipofunkcija štitne žlijezde (hipotireoza), te kronični gastritis uzrokovan infekcijom bakterijom Helicobacter pylori. Svoj negativni utjecaj na imunosnu reakciju ta klinička stanja vjerojatno ostvaruju putem zajedničkih intermedijarnih mehanizama, kao što su: pomicanje ravniteže imunosnog odgovora od specifične prema nespecifičnoj i staničnoj imunosti, upala, kronična imunizacija, proteinska malnutricija, poremećaj metabolizma glukoze, te metabolički poremećaji povezani s deficitom vitamina B12 i hiperhomocisteinemijom. U konačnici, ovi rezultati ukazuju da je negativan utjecaj starije dobi na učinkovitost cijepljenja protiv influence najvjerojatnije posljedica brojnih poremećaja zdravstvenog stanja koji mogu oslabiti funkciju imunosnog sustava, budući da se ti poremećaji najčešće i pojavljuju u starijoj dobi. Prisustvo više poremećaja zdravstvenog stanja u jedne osobe otežava klinički probir osoba koje bi mogle slabo serološki reagirati. Veliki dio tih osoba bi se ipak mogao prepoznati na relativno jednostavan način, po značajkama kao što su dob veća od 65 godina i hiperhomocisteinemija (kao samostalni biokemijski pokazatelj) i/ili dijagnoza neuropsihijatrijskih bolesti (kao isključivo klinički pokazatelj). Analizom zajedničkog utjecaja sva tri bitna čimbenika na učinkovitost cijepljenja, po kriteriju da se slaba reakcija na cjepivo protiv influence smatra ako je do ≥4x porasta titra protutijela došlo na jednu, ili nije došlo ni na jednu komponentu cjepiva, starija dob se nije pokazala kao rizični čimbenik. Najboljim prediktorom su se pokazala prethodna cijepljenja. Pri tome, najbolji protektivni učinak je imalo prethodno cijepljenje od 2-3 puta (OR 0,062, 95% CI0,006-0,634). Negativan utjecaj na učinkovitost cijepljenja, prema rezultatima ove analize, može imati imunosna reakcija na komponentu iz prethodnog sastava cjepiva (heterologna reakcija), kao što je u ovom radu slučaj s komponentom B/Sicuan (OR 1,050, 95% CI 1,003-1,100). Poremećaji zdravstvenog stanja u manjoj mjeri utječu na učinkovitost cijepljenja od prethodnog antigenskog iskustva i to nepovoljno. Pri tome su za predikciju bitni intermedijarni mehanizmi koji povezuju kronične bolesti i poremećaje općeg zdravstvenog stanja s promjenama u funkciji imunosnog sustava. U ovoj analizi, primijeri za to su relativna limfopenija (smanjen postotak limfocita u diferencijalnoj krvnoj slici) (OR 0,942, 95% CI 0,889-0,998), te metabolički poremećaji povezani s deficitom vitamina B12 (OR 0,998, 95% CI 0,994-1,002) i hiperhomocisteinemijom (OR 1,150, 95% CI 0,998-1,326). Utjecaj poremećaja zdravstvenog stanja na ishod cijepljenja protiv influence bi mogao više doći do izražaja u situacijama cijepljenja u kojima se realno očekuje slaba produkcija specifičnih protutijela. Na takav zaključak navode rezultati forward analize koja je pokazala da uvođenje parametara zdravstvenog stanja u logistički model značajno povećava vrijednost modela za predviđanje slabog serološkog odgovora na cjepivo (negativna prediktivna vrijednost modela). Time su rezultati dobiveni metodom logističke regresije potvrdili rezultate dobivene prethodnim analizama. Tri oblika logističke regresijske analize mogu predvidjeti 76,9% (model sa svim varijablama) i 75,8% (modeli forward i backward) svih rezultata serološkog odgovora na cjepivo protiv influence (p=0,002, 0,041 i 0,003). |
| Abstract (english) | Annual vaccination with a trivalent inactivated influenza vaccine has for a long time been widely accepted method for the prevention of influenza. This procedure is adviced primarily for the elderly (>65) and subjects with chronic medical conditions, because of their susceptibility for the development of influenza complications. However, it has been shown that the vaccine efficacy in the elderly is significantly lower than in the younger population groups. The aim of this study was to analyse the relative impact of the three main factors, previous antigenic exposure (original antigenic sin, preexisted antibody titres and repeated vaccinations), older age (>65) and age-related health disorders, on the influenza vaccine efficacy. The special aim was to identify which chronic diseases and pathogeneric disorders may negatively influence the influenza vaccine serologic response, since it has so far been poorly recognized problem. The study was conducted during a routine vaccination procedure against influenza, in the season 2003/2004, in a general medicine practice. Informed consent was obtained from 93 subjects, 35 M and 58F, aged 50-89 years (median 69), out of a total of 150 subjects who were vaccinated. The study was approved by the Regional Ethics Committee on Medical Research. Classical statistical methods (the χ2, Kruskal-Wallis and Fisher exact tests) were used to analyse antibody titres, according to the number of previous vaccinations and age. To identify age-related health disorders with potentially largest negative impact on the influenza vaccine serologic response, we applied the Machine Learning method on already prepared Data Base. Exactly, algorithms of the ILLM (Inductive Learning by Logic Minimization) system, developed in the Laboratory for Information System, Institute Rudjer Bošković, Zagreb, were used. The Data Base, used in the study, was composed of a total number of 52 clinical parameters, including age, sex, diagnoses of the main chronic aging diseases, anthropometric measures and hematological and biochemical laboratory tests. Logistic regression (full model and two stepwise forms, forward and backward) was performed to determine the common impact of all three factors, previous antigenic exposure (the number of previous vaccinations and preexisted antibody titres for four tested influenza virus strains), older age and the health-status data, on the influenza vaccine efficacy. Only those health-status data previously selected by using Machine Learning method, were included in the model. The results showed that the independent factors which may influence the influenza vaccine efficacy are previous antigenic exposure and age-related health disorders, while the impact of older age can hardly be separated from these two factors. Generally, the protective vaccine efficacy, i.e. the percent of subjects with protective antibody level (≥1:40), in subjects aged 50 years and more, with multiple chronic conditions, which are usually vaccinated in general practice, does not decrease after repeated vaccination. Only in subjects previously vaccinated for many (four and more) times, there is the possibility for the vaccine efficacy to decrease, in comparison with the first vaccination, but only for vaccine component which content has frequently been changed. The low vaccine efficacy can also be expected in subjects receiving vaccine for the first time, on the component A/H1N1, characterized by frequent absence of preexisted antibody titres. By ILLM algorithms, applied on the Data Base according to four criteria for definition of the low serologic response, recognizable patterns in the data were identified. Consequently,16 different parameters were selected which can serve as potential predictors of the low influenza vaccine serologic response. These parameters are: the percent of mononuclear leukocyte and lymphocyte in WBC (White Blood Cell) differential, the thyroid gland hormone thyroxine (fT4), thyroid-stimulating hormone (TSH), vitamin B12 and its equivalent - Mean Cell Volume (MCV), β-globulins, γ-globulins, triceps skinfold thickness, creatinine clearance, homocysteine, Helicobacter pylori specific immunoglobuline A, the pituitary gland hormone prolactin, blood fasting glucose, serum albumin and older age (>65). Among these selected parameters, the best predictors, according to the rules of ILLM algorithms, are those representing two pairs of mutually related disorders, such as „increased percent of monocytes and decreased percent of lymphocytes in WBC differential“ and „vitamin B12 deficiency and hyperhomocysteinemia“. By using additional ILLM algorithms, for particular of selected parameters, we set apart interconnected parameters forming functional units. In this way, we identified four clinical conditions most likely associated with the low serologic response. These clinical conditions are: impaired renal function (particularly the syndrome characterized by inflammation, malnutrition, glucose metabolism impairment and hyperhomocysteinemia), mental and neurodegenerative disorders (especially those connected with changes in the hypothalamus and the pituitary gland, associated with hyperprolactinemia), the thyroid gland hormones hypofunction (hypothyreosis) and chronic gastritis caused by the Helicobacter pylori infection. These clinical conditions may negatively influence the influenza vaccine serologic response via common intermediate mechanisms, such as: turning the bias of the immune reaction from the specific to the nonspecific and cellular immune response, inflammation, chronic immunization, protein malnutrition, glucose metabolism impairment and metabolic disorders associated with vitamin B12 deficiency and hyperhomocysteinemia. Finnaly, based on these results, the negative impact of older age on the influenza vaccine efficacy could be the result of a number of the health-status impairments influencing negatively the immune system function, since these impairments most frequently occur in older age. Several health-status disorders simultaneously existing in one person make the prediction of the influeza vaccine serologic response difficult. A large proportion of the subjects which might have the low influeza vaccine serologic response could however be identified on a relatively simple way, based on characteristics such as age older than 65 years and hyperhomocysteinemia (as an independent biochemical marker) and/or diagnosis of neuropsychiatric diseases (as the clinical marker only). Based on the analysis of the common impact of all three main factors influencing the influenza vaccine efficacy, using ≥4x increase in antibody titres for one or none vaccine component as criteria for definition of the low serologic response, older age was not selected as a significant risk factor. The best predictor was repeated vaccinations. Especially, previous vaccinations of 2-3 times showed the best beneficial effect (OR 0,062, 95%CI 0,006-0,634). Based on this analysis, immune reaction on the vaccine component contained in the influenza vaccine before the last content exchange (heterologous reaction), as it is, in this study, the case with the vaccine component B/Sicuan, may significantly negatively influence the influenza vaccine efficacy (OR 1,050, 95%CI 1,003-1,100). Compared to the factors related to previous antigenic exposure, the health-status disorders showed only minor, albeit non-beneficial effect. For the purpose of prediction, intermediate mechanisms, linking chronic diseases and the general health-status disorders with the immune system dysfunctions, could be of the main importance. Examples, based on this analysis, are relative lymphopenia (decreased percent of lymphocytes in WBC differential) (OR 0,942, 95%CI 0,889-0,998) and metabolic disorders associated with vitamin B12 deficiency (OR 0,998, 95%CI 0,994-1,002) and hyperhomocysteinemia (OR 1,150, 95%CI 0,998-1,326). Based on the results obtained by the logistic regression analysis, type forward, showing the significant improvement of the capability of the model to predict the low influenza vaccine serologic response (the negative predictive power) when the health-status data are included in the model, it can be concluded that the health-status disorders might have much greater impact on the influenza vaccine efficacy in situations where poor postvaccination specific antibody production is expected. In this way, results obtained by the logistic regression have proved the results obtained by the previously used methods. Three selected models of performed logistic regression analysis can predict 76,9% (full model) and 75,8% (both forward and backward types) of the total results of the influenza vaccine serologic response (p=0,002, 0,041 and 0,003 respectively). |
