Projection of the number of positives by BA.5 #4

These will be replaced by English slides as soon as they are available.

Date: 2022.08.16
Researcher: Akimasa Hirata
Organization: Center of Biomedical Physics and Information Technology

今回の内容

（1）東京都モニタリング会議資料（2022/7/21）1に基づき、BA.2系統からBA.5系統への移行を再設定、
　　 9月末までの新規陽性者数、死者数を予測する。

・ BA.5系統の感染力を下記の通りと仮定し、予測を行った。但し、これまでの文献2,3からは、その定量的な値は示されていないため、近似的に設定。
　　　　- BA.2系統に対して、感染力が1.3倍*、ワクチンによる感染予防効果が6割に低下する。

・ 60歳以上に対する4回目接種を、3回目接種から5カ月後（実測値ベース）に行ったと仮定。
　　＊その他のデータとの年齢区分のため、推定結果は0-9歳、10-64歳、65歳以上とする。

*無症状感染者数は、新規陽性者数の8倍いると仮定。
*感染力の強さは、実効再生産数を指標として定義。

（2）東京におけるTwitter数の減少に伴う影響を考慮。活動に比べてワクチン感染予防効果の低下が確認さ
れるため（回避効果およびワクチン世代別接種状況などの影響）、実測値をベースに組み込む。

1.https://www.bousai.metro.tokyo.lg.jp/_res/projects/default_project/_page_/001/021/875/94/20220721_10.pdf
2.Hachmann NP. et al.. 2022. “Neutralization Escape by the SARS-CoV-2 Omicron Variants BA.2.12.1 and BA.4/BA.5.” MedRxiv. https://www.medrxiv.org/content/10.1101/2022.05.16.22275151v1. (preprint)
3.Wang Q. et al.. 2022. “SARS-CoV-2 Omicron BA.2.12.1, BA.4, and BA.5 subvariants evolved to extend antibody evasion.” bioRxiv. https://www.biorxiv.org/content/10.1101/2022.05.26.493517v1. (preprint)

（前提条件）BA.5系統への推移

東京都モニタリング会議資料（2022/8/10）1より
　7/14時点において、感染研の知見2より、 BA.5系統への推移を赤点線で示した推移と仮定した。
　8/10現在においても、仮定したBA.5系統への推移は、実際の推移(赤実線)の傾向とほぼ一致しているため、更新なし。ケンタウロス（BA2.75）型は考慮していない。
　1週目に相当する週は、BA.5(2022.5.24-5.30)、BA.2(2022.2. 8-2.14)、オミクロン株(2021.12.14-12.20)、デルタ株(2021.5.3-5.9)
1.https://www.bousai.metro.tokyo.lg.jp/_res/projects/default_project/_page_/001/021/967/96/97kai/09.pdf
2.https://www.m3.com/news/general/1057642

東京における新規陽性者数推定結果

人流・行動は、現状の傾向から、ゆるやかに低下すると仮定。
BA.5系統の感染力はBA.2系統の1.3倍、60歳以上４回目ワクチン接種は実測値を用いた。
　　* 感染力の倍率は実効再生産数ベース。お盆における検査数減少は考慮なし

東京　年代別新規陽性者数（7/25から更新なし）

※60代のデータを人口割合に基づき、60-64歳、65歳-69歳のデータに換算

東京　年代別死者数（8/9から更新なし）

※60代のデータを人口割合に基づき、60-64歳、65歳-69歳のデータに換算

東京における重症者数試算結果（8/9から更新なし）

* 年代別の重症者数データが入手困難なため、全年代の重症者数を対象として以下の仮定で試算。
重症者数の9割以上が60歳以上1であることから、全年代の重症者数すべてが65歳以上と仮定して試算。
BA.5系統の感染力は、 BA.2系統に対して1.3倍(実効再生産ベース)、ワクチンによる重症化予防効果はBA.2系統に対して、10%低減する（9割に低下） 2と仮定した。
　* 重症者数は東京都の基準による
1.第80回新型コロナウイルス感染症対策アドバイザリーボード（https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/0000121431_00333.html）
2.NP Hachmann, Neutralization Escape by SARS-CoV-2 Omicron Subvariants BA. 2.12. 1, BA. 4, and BA.5, N Engl J Med, 2022

ワクチン感染予防効果の推定値(アップデート)

ワクチン２回以上接種者が、主要な変異株に対してどの程度の感染予防効果を有しているかの割合（推定値）　東京都プレスリリース1の新規陽性者のワクチン接種状況より概算

赤の実線は、Kodera et al (2022)2に基づき推定した値
年末年始、GWはTwitterとの相関あり
1.https://www.metro.tokyo.lg.jp/tosei/hodohappyo/press/2022/07/index.html
2.Kodera et al., vaccines, vol. 10, pii:430, 8 pages, 2022 (https://www.mdpi.com/2076-393X/10/3/430)

ワクチン感染予防効果の推定値(アップデート)

前ページの集団に対するワクチン感染予防効果と、新規陽性者のワクチン接種状況より概算したワクチン効果の差分

今後のワクチン感染予防効果の推移(アップデート)

接種後２週間以内の感染予防効果：デルタ　９５％、オミクロンBA1　６２％
BA2＝ BA1と同等、BA5＝約４０％
無症状感染者を８倍と仮定した場合、ピークをつけるのは７月２９日ー８月５日ごろ。
その場合でも集団での感染予防効果は従来ほど強くない。３回目接種者数、行動により前後する可能性。
換気、猛暑によるワクチンの感染予防効果の推移により、前後する可能性。
人口の３０－４０％（無症状者を含む）が感染しなければ、第５波、第６波レベルの免疫保有に達しない。

無症状感染者数仮定の前提 (概算)

東京都　戦略的検査強化事業検査件数1の陽性率より無症状感染者数の割合を概算。
第6波では新規陽性者数の3－5倍を推移していたが、第7波では6－9倍を推移。
PCR検査の陽性反応は、感染後１４日2続くと仮定して導出（17日3との報告あり）。
第92回厚生省ADB（中島先生）からは発症後９日（10-13日まで）4 。

1.https://www.fukushihoken.metro.tokyo.lg.jp/iryo/kansen/kensa/kensuu.html
2.N. Kojima, et al, “Duration of COVID-19 PCR positivity for Omicron vs earlier variants,” J Clin. Virology Plus, https://www.sciencedirect.com/science/article/pii/S2667038022000242
3.M Cevik, SARS-CoV-2, SARS-CoV, and MERS-CoV viral load dynamics, duration of viral shedding, and infectiousness: a systematic review and meta-analysis, Lancet Microbe.2021
4.中島先生（厚生省ADB)https://www.mhlw.go.jp/content/10900000/000970030.pdf

前提条件と限界

・BA5系統に代表される新規変異株の感染力（1.3倍）および免疫回避(感染予防効果低減40%．重症化予防効果低減10%)を仮定し、新規陽性者数および死者数を試算。
・陽性者数の推定では、8/5までPCR検査数の上限はあるものの、第６波に比べて拡充されると仮定（7/17までは以前と同等と仮定）。検査体制が変化すれば、推定値も変化。
・無症状感染者が４－８倍いると仮定しての分析。
・換気（気象）の影響は考慮していない。

参考資料：年代別新規陽性者数予測モデル

対象年代カテゴリを、0-9歳、10-64歳、65歳以上の3区分とし、深層学習（LSTMモデル）に基づき、それぞれの年代の過去の陽性者数・死者数、ワクチン有効率を入力することで、年代別の新規陽性者数・死者数を予測するモデルを開発。
これまで開発してきた各都市における全人口を対象とした予測モデルを拡張し、年代（10歳未満、10-64歳、65歳以上）カテゴリを分けることで、各年代の特徴を考慮。また、ワクチンの４回目接種率の感染状況への影響も推計した。
*NTTデータから提供されたTwitterデータを用いて東京大学生産技術研究所豊田研にて作成
1.E. A. Rashed and A. Hirata, “Infectivity upsurge by COVID-19 viral variants in Japan: evidence from a deep learning modeling.” Int. J. Environ. Res. Public Health, 2021.