فرمول (VE = ARU - ARV) / ARU: اثربخشی واکسن چگونه از نرخ حمله در گروه‌های واکسینه‌شده و واکسینه‌نشده محاسبه می‌شود؟

در ۱۰ مارس ۲۰۲۵، سازمان جهانی بهداشت (WHO) چارچوب استانداردی را منتشر کرد که جزئیات نحوه کمّی‌سازی عملکرد یک واکسن را شرح می‌دهد و مرز دقیقی بین کارآزمایی‌های بالینی کنترل‌شده و استقرار در دنیای واقعی ترسیم می‌کند. پایه و اساس این اندازه‌گیری بر یک عبارت ریاضی واحد استوار است که اپیدمیولوژیست‌ها در سراسر جهان از آن استفاده می‌کنند تا دقیقاً مشخص کنند یک واکسن چه میزان محافظت ایجاد می‌کند.[2]

این عبارت VE = (ARU - ARV) / ARU است. در این فرمول، VE مخفف اثربخشی واکسن (Vaccine Efficacy)، ARU نشان‌دهنده نرخ حمله در جمعیت واکسینه‌نشده (Attack Rate in the Unvaccinated) و ARV نشان‌دهنده نرخ حمله در جمعیت واکسینه‌شده (Attack Rate in the Vaccinated) است. محققان با مقایسه این دو نرخ می‌توانند تأثیر بیولوژیکی خاص واکسن را در برابر خط پایه عفونت طبیعی مجزا کنند.[1]

نرخ حمله یک شمارش خام از عفونت‌ها نیست؛ بلکه یک نسبت است. مراکز کنترل و پیشگیری از بیماری‌ها (CDC) آن را به عنوان تعداد موارد جدید یک بیماری در یک جمعیت در معرض خطر، تقسیم بر تعداد کل افراد آن جمعیت در یک دوره زمانی مشخص تعریف می‌کند. اگر ۱۰۰۰ فرد واکسینه‌نشده در معرض یک ویروس قرار گیرند و ۱۰۰ نفر به این بیماری مبتلا شوند، ARU برابر با ۱۰ درصد است.[1]

اعمال این فرمول، کاهش خطر نسبی را آشکار می‌کند. اگر ARU برابر با ۱۰ درصد و ARV برابر با ۱ درصد باشد، محاسبه به صورت (۰٫۱۰ - ۰٫۰۱) / ۰٫۱۰ درمی‌آید. این معادله عدد ۰٫۹۰ یا اثربخشی ۹۰ درصدی واکسن را به دست می‌دهد. این رقم نشان می‌دهد که واکسن خطر ابتلا به بیماری را نسبت به گروه واکسینه‌نشده به میزان ۹۰ درصد کاهش داده است.[1][6]

یک تصور غلط رایج این است که اثربخشی ۹۰ درصدی به این معناست که ۱۰ درصد از افراد واکسینه‌شده ناگزیر بیمار خواهند شد. در واقعیت، این بدان معناست که خطر شخصی ابتلای یک فرد در مقایسه با زمانی که واکسن را دریافت نکرده بود، ۹۰ درصد کاهش می‌یابد. خطر مطلق کاملاً به شیوع زمینه‌ای بیماری در جامعه بستگی دارد.[6]

خلوص ریاضی فرمول VE صرفاً در کارآزمایی‌های تصادفی‌سازی و کنترل‌شده فاز سوم (Phase III) به طور دقیق قابل اجراست. سازمان جهانی بهداشت صراحتاً «اثربخشی» (efficacy) را از «کارایی» (effectiveness) جدا می‌کند. همان‌طور که این سازمان خاطرنشان می‌کند، «اثربخشی واکسن میزان موفقیت یک واکسن را زمانی که تحت شرایط ایده‌آل تجویز می‌شود، اندازه‌گیری می‌کند»، جایی که میزان مواجهه، دوز و سلامت شرکت‌کنندگان به شدت تحت نظارت است.[2]

در مقابل، کارایی اندازه‌گیری می‌کند که «یک واکسن زمانی که در شرایط معمول در جامعه استفاده می‌شود، چقدر خوب عمل می‌کند.» به محض اینکه واکسن از محیط کارآزمایی خارج می‌شود، متغیرها چند برابر می‌شوند. جمعیت‌شناسی سنی متفاوت، شرایط بهداشتی زمینه‌ای و سطوح مختلف مواجهه با پاتوژن، همگی نرخ‌های حمله را تغییر می‌دهند.[2][3]

نظارت سالانه CDC بر واکسن آنفولانزا نمونه روشنی از این تغییر از اثربخشی به کارایی را ارائه می‌دهد. از آنجا که ویروس آنفولانزا به سرعت جهش می‌یابد و انجام کارآزمایی‌های تصادفی‌سازی‌شده با دارونما برای یک واکسن فصلی تأییدشده دیگر اخلاقی نیست، این آژانس به جای استفاده از فرمول سخت‌گیرانه VE، به طور مداوم میزان موفقیت واکسن سالانه را با استفاده از مطالعات مشاهده‌ای می‌سنجد.[7]

برای محاسبه کارایی بدون یک کارآزمایی کنترل‌شده، اپیدمیولوژیست‌ها اغلب به روش غربالگری روی می‌آورند. این تکنیک مشاهده‌ای، نسبت موارد بیماری رخ‌داده در افراد واکسینه‌شده را با نسبت کلی جمعیت واکسینه‌شده مقایسه می‌کند. این روش به محققان اجازه می‌دهد تا با استفاده از ثبت‌های موجود بهداشت عمومی، سطوح محافظت را تخمین بزنند.[4]

ریاضیات پشت روش غربالگری به شدت به احتمال شرطی متکی است. محققانی که این پویایی‌ها را مدل‌سازی می‌کنند، نشان داده‌اند که کارایی را می‌توان با استفاده از قضیه بیز (Bayes' theorem) محاسبه کرد تا خطرات متفاوت مواجهه در جمعیت عمومی را تعدیل کرده و فقدان یک گروه کنترل تصادفی‌سازی‌شده را جبران نمود.[8]

اثبات اثربخشی در وهله اول نیازمند برنامه‌ریزی دقیق آماری است. تعیین حجم نمونه لازم برای یک کارآزمایی فاز سوم کاملاً به نرخ حمله مورد انتظار بستگی دارد. اگر یک بیماری نسبتاً نادر باشد، محققان باید گروه‌های عظیمی - گاهی ده‌ها هزار شرکت‌کننده - را ثبت‌نام کنند تا عفونت‌های طبیعی کافی برای رسیدن به معناداری آماری را مشاهده کنند.[5]

ارزیابی‌های میدانی با چالش مضاعف مخدوش‌کننده‌های رفتاری روبرو هستند. فرمول پایه VE فرض می‌کند که مواجهه با پاتوژن در هر دو گروه واکسینه‌شده و واکسینه‌نشده برابر است. اگر افراد واکسینه‌شده به دلیل احساس محافظت، درگیر رفتارهای پرخطرتر شوند - پدیده‌ای که به عنوان جبران خطر شناخته می‌شود - ARV به طور مصنوعی متورم شده و کارایی محاسبه‌شده را کاهش می‌دهد.[3][8]

برای در نظر گرفتن این اختلافات، مدل‌های اپیدمیولوژیک مدرن در حال فراتر رفتن از درصدهای ایستا هستند. محققان در حال توسعه چارچوب‌های پویایی هستند که داده‌های تحرک در زمان واقعی و نرخ‌های انتقال محلی را ادغام می‌کنند تا به طور مداوم ARU و ARV را تنظیم کرده و قدرت محافظتی واکسن را همزمان با تکامل آن در طول یک شیوع فعال ردیابی کنند.