ゴンペルツモデルを用いたプライマリケアにおけるインフルエンザおよびRSV流行のリアルタイム予測

日常生活に影響する冬のウイルスの重要性

毎年冬になると、インフルエンザやRSV（呼吸器合胞体ウイルス）といったあまり知られていないウイルスの波が診療所や病棟を埋め尽くします。これらの疾患は多くの人にとっては短期間で治ることが多い一方で、乳児、高齢者、基礎疾患のある人々には致命的になり得るため、医療体制に大きな負担をかけます。本研究は実用的な問いを立てます：かかりつけ医が日々記録している情報を使って、これらの季節性流行がいつピークに達するかをリアルタイムで確実に予測できるか、そして公衆衛生の現場で日常的に使えるほど単純な手法でそれが可能かどうか、です。

診察件数から得られる“流行の天気予報”

研究チームはスペインのカタルーニャ（人口780万人）に着目しました。ここでは多くのインフルエンザおよび細気管支炎の症例が病院ではなくプライマリケアで扱われます。チームは2018年から2024年までの公的プライマリケア診療所全体の匿名化された日次診断データに加え、病院記録やRSVの迅速検査結果を用いました。インフルエンザについてはプライマリケアの診断を直接利用できましたが、RSVについては乳児の細気管支炎を引き起こすウイルスが複数あるため事情が複雑でした。そこで著者らはプライマリケアの細気管支炎記録を病院データや迅速抗原検査と結びつけ、細気管支炎のうち実際にRSVによる割合を推定し、モデリングに適したRSV特異の時系列データを作成しました。

複雑な流行をとらえる単純な曲線

人から人への感染の詳細なシミュレーションを構築する代わりに、チームは経験的成長曲線であるゴンペルツモデルを選びました。このモデルは流行が初期に急速に増加し、やがて症例数の上限に近づくにつれて増加が鈍る様子を記述します。日々の累積診断にこの曲線を当てはめることで、研究者は各流行期の成長初期の速さ、最終的に生成される症例数の規模、ピークがいつ起こるかという3つの主要な側面を推定できました。重要なのは、このモデルが日常的に収集される診断データだけを必要とし、免疫、ワクチン接種、社会行動に関する仮定に依存しないため、状況が変わったときにも適応しやすい点です。

ピークを実際に到来の約1か月前に予測

ゴンペルツモデルをいくつかの新型コロナ前後のシーズンに適用したところ、著者らはインフルエンザとRSV細気管支炎の両方について、流行ピークの週を通常は約1か月前まで予測でき、誤差の範囲はおおむね1週間程度、ピーク規模の推定は典型的に35％以内という結果を得ました。日次の個々の件数が報告遅延や突然のスパイクでノイズを含んでいる場合でも、モデルのピーク推定はほとんど常に統計的信頼区間内に収まっていました。パンデミック後のシーズンや、保護抗体（ニルセビマブ）導入後のRSVシーズンは予測がやや困難で、ウイルス循環や予防策の大きな変化が既存のパターンを一時的に乱すことを示しています。

インフルとRSVで異なる波の形

研究はまた、インフルエンザとRSVの流行が同じ振る舞いをしないことを明らかにしました。インフルエンザの波は比較的急峻に上昇・下降し、より対称的で短期間に展開する傾向があります。一方、乳幼児におけるRSV細気管支炎の流行は急激な初期上昇の後に長く続く緩やかな減少を示し、より幅の広い波になります。フィットした曲線は、この年齢層では1例のRSV感染が初期には約3件の新たな感染をもたらすのに対し、インフルエンザでは約2件であることを示唆しています。こうした違いは計画立案に重要で、RSVシーズンは総症例数が同程度でも小児医療をより長期間にわたって忙しくさせる可能性があります。

数値を早期対応につなげる

公衆衛生担当者にとっての主な教訓は、最新のプライマリケアデータを入力とする単純な数学的曲線が季節性の早期警報システムとして機能し得ることです。インフルエンザやRSVのピークが数週間先にいつ到来し、どの程度の強さになるかを示すことで、ゴンペルツベースの手法は人員配置、病床確保、ワクチンや抗体キャンペーンのタイミングの判断を導く助けになります。新たなワクチンや公衆衛生措置、パンデミックといったルールを変える事象が起きた際には専門家の監督が依然必要ですが、この方法は日常の診察データを透明で適応可能なリアルタイムの冬季ウイルス圧予測に変える実用的な手段を提供します。

引用: Perramon-Malavez, A., Ye, Q., López, D. et al. Real-time prediction of influenza and respiratory syncytial virus epidemics in primary care using the Gompertz model. Sci Rep 16, 5763 (2026). https://doi.org/10.1038/s41598-026-36519-w

キーワード: インフルエンザ, RSV・細気管支炎（ブランキオリティス）, 流行予測, プライマリケアデータ, ゴンペルツモデル