SUMMARY Background Serosurveys published following major outbreaks of Zika virus (ZIKV) have so far shown a high level of seroprevalence from samples collected within 12 months of the first confirmed case. A common assumption is that ZIKV infection confers long-term protection against reinfection, preventing ZIKV from re-emerging in previously affected areas for many years. However, the long-term immune response to ZIKV following an outbreak remains poorly documented. Methods We compared results from eight serological surveys, with sample sizes ranging from 49 to 700, before and after known ZIKV outbreaks in the Pacific region: five from cross-sectional studies of schoolchildren and the general population in French Polynesia over a seven-year period; and three from a longitudinal cohort in Fiji over a four-year period. Findings We found strong evidence of a decline in seroprevalence in both countries over a two-year period following first reported ZIKV transmission. In the cohort in Fiji, there was also a significant decline in antibody titres against ZIKV. However, the decline in seroprevalence was concentrated in adults, while high seroprevalence persisted in children. Interpretation The observed patterns of long-term anti-ZIKV antibody levels following outbreaks in the Pacific could be an early indication of the dynamics of population immunity in Latin America. Given that ZIKV antibody levels can wane substantially over time, follow-up seroprevalence studies and prospective clinical trial designs in Latin America may need to be revised, and assumptions about the potential for ZIKV to re-emerge may need to be revisited. Funding Pacific Funds, ANR, MRC, Wellcome, Royal Society.

Abstract Background Health care workers (HCW) are at risk of infection during Ebola virus disease outbreaks and therefore may be targeted for vaccination before or during outbreaks. The effect of these strategies depends on the role of HCW in transmission which is understudied. Methods To evaluate the effect of HCW-targeted or community vaccination strategies, we used a transmission model to explore the relative contribution of HCW and the community to transmission. We calibrated the model to data from multiple Ebola outbreaks. We quantified the impact of ahead-of-time HCW-targeted strategies, and reactive HCW and community vaccination. Results We found that for some outbreaks (we call “type 1”) HCW amplified transmission both to other HCW and the community, and in these outbreaks prophylactic vaccination of HCW decreased outbreak size. Reactive vaccination strategies had little effect because type 1 outbreaks ended quickly. However, in outbreaks with longer time courses (“type 2 outbreaks”), reactive community vaccination decreased the number of cases, with or without prophylactic HCW-targeted vaccination. For both outbreak types, we found that ahead-of-time HCW-targeted strategies had an impact at coverage of 30%. Conclusions The optimal vaccine strategy depends on the dynamics of the outbreak and the impact of other interventions on transmission. Although we will not know the characteristics of a new outbreak, ahead-of-time HCW-targeted vaccination can decrease the total outbreak size, even at low vaccine coverage. summary Targeting health care workers for Ebola virus disease vaccination can decrease the size of outbreaks, and the number of health care workers infected. The impact of these strategies decrease depends on timing, coverage, and the dynamics of the outbreak.

The pacific islands of Micronesia have experienced several outbreaks of mosquito-borne diseases over the past decade. In outbreaks on small islands, the susceptible population is usually well defined, and there is no co-circulation of pathogens. Because of this, analysing such outbreaks can be useful for understanding the transmission dynamics of the pathogens involved, and particularly so for yet understudied pathogens such as Zika virus. Here, we compared three outbreaks of dengue and Zika virus in two different island settings in Micronesia, the Yap Main Islands and Fais, using a mathematical model of transmission dynamics, making full use of commonalities in disease and setting between the outbreaks. We found that the estimated reproduction numbers for Zika and dengue were similar when considered in the same setting, but that, conversely, reproduction number for the same disease can vary considerably by setting. On the Yap Main Islands, we estimated a reproduction number of 8.0-16 (95% Credible Interval (CI)) for the dengue outbreak and 4.8-14 (95% CI) for the Zika outbreak, whereas for the dengue outbreak on Fais our estimate was 28-102 (95% CI). We further found that the proportion of cases of Zika reported was smaller (95% CI 1.4%-1.9%) than that of dengue (95% CI 47%-61%). We confirmed these results in extensive sensitivity analysis. They suggest that models for dengue transmission can be useful for estimating the predicted dynamics of Zika transmission, but care must be taken when extrapolating findings from one setting to another.

Real-time forecasts based on mathematical models can inform critical decision-making during infectious disease outbreaks. Yet, epidemic forecasts are rarely evaluated during or after the event, and there is little guidance on the best metrics for assessment. Here, we propose an evaluation approach that disentangles different components of forecasting ability using metrics that separately assess the calibration, sharpness and unbiasedness of forecasts. This makes it possible to assess not just how close a forecast was to reality but also how well uncertainty has been quantified. We used this approach to analyse the performance of weekly forecasts we generated in real time in Western Area, Sierra Leone, during the 2013-16 Ebola epidemic in West Africa. We investigated a range of forecast model variants based on the model fits generated at the time with a semi-mechanistic model, and found that good probabilistic calibration was achievable at short time horizons of one or two weeks ahead but models were increasingly inaccurate at longer forecasting horizons. This suggests that forecasts may have been of good enough quality to inform decision making requiring predictions a few weeks ahead of time but not longer, reflecting the high level of uncertainty in the processes driving the trajectory of the epidemic. Comparing forecasts based on the semi-mechanistic model to simpler null models showed that the best semi-mechanistic model variant performed better than the null models with respect to probabilistic calibration, and that this would have been identified from the earliest stages of the outbreak. As forecasts become a routine part of the toolkit in public health, standards for evaluation of performance will be important for assessing quality and improving credibility of mathematical models, and for elucidating difficulties and trade-offs when aiming to make the most useful and reliable forecasts.

Between October 2013 and April 2014, more than 30,000 cases of Zika virus (ZIKV) disease were estimated to have attended healthcare facilities in French Polynesia. ZIKV has also been reported in Africa and Asia, and in 2015 the virus spread to South America and the Caribbean. Infection with ZIKV has been associated with neurological complications including Guillain-Barre Syndrome (GBS) and microcephaly, which led the World Health Organization to declare a Public Health Emergency of International Concern in February 2015. To better understand the transmission dynamics of ZIKV, we used a mathematical model to examine the 2013-14 outbreak on the six major archipelagos of French Polynesia. Our median estimates for the basic reproduction number ranged from 2.6-4.8, with an estimated 11.5% (95% CI: 7.32-17.9%) of total infections reported. As a result, we estimated that 94% (95% CI: 91-97%) of the total population of the six archipelagos were infected during the outbreak. Based on the demography of French Polynesia, our results imply that if ZIKV infection provides complete protection against future infection, it would take 12-20 years before there are a sufficient number of susceptible individuals for ZIKV to re-emerge, which is on the same timescale as the circulation of dengue virus serotypes in the region. Our analysis suggests that ZIKV may exhibit similar dynamics to dengue virus in island populations, with transmission characterized by large, sporadic outbreaks with a high proportion of asymptomatic or unreported cases.

Background: Between August and December 2017, more than 625,000 Rohingya from Myanmar fled into Bangladesh, settling in informal makeshift camps in Cox's Bazar district, joining 212,000 Rohingya already present. In early November, a diphtheria outbreak was reported in the camps, with 440 cases being reported during the first month. A rise in cases during early December led to a collaboration between teams from Médecins sans Frontières − who were running a provisional diphtheria treatment centre − and the London School of Hygiene & Tropical Medicine with the goal to use transmission dynamic models to forecast the potential scale of the outbreak and the resulting resource needs. Methods: We first adjusted for delays between symptoms onset and case presentation using the observed distribution of reporting delays from previously reported cases. We then fit a compartmental transmission model to the adjusted incidence stratified by age-group and location. Model forecasts with a lead-time of two weeks were issued on 12th, 20th, 26th and 30th December and communicated to decision-makers. Results: The first forecast estimated that the outbreak would peak on 16th December in Balukhali camp with 222 (95% prediction interval: 126 to 409) cases and would continue to grow in Kutupalong camp, requiring a bed capacity of 200 (95% PI 142 to 301). On 16th December, a total of 70 cases were reported, lower than forecasted. Subsequent forecasts were more accurate: on 20th December we predicted a total of 701 cases (95% PI 477 to 901) and 105 (95% PI 72 to 135) hospitalizations until the end of the year, with 616 cases actually reported during this period. Conclusions: Real-time modelling enabled feedback of key information about the potential scale of the epidemic, resource needs, and mechanisms of transmission to decision-makers at a time when this information was largely unknown. By December 20th, the model generated reliable forecasts and helped support decision-making on operational aspects of the outbreak response, such as hospital bed and staff needs, and with advocacy for control measures. Although modelling is only one component of the evidence base for decision-making in outbreak situations, suitable analysis and forecasting techniques can be used to gain insights into an ongoing outbreak.

Background: The World Health Organisation recommends the use of catch-up campaigns as part of the introduction of pneumococcal conjugate vaccines (PCVs) to accelerate herd protection and hence PCV impact. The value of a catch-up campaign is a trade-off between the costs of vaccinating additional age groups and the benefit of additional direct and indirect protection. There is a paucity of observational data, particularly from low-middle income countries to quantify the optimal breadth of such catch-up campaigns. Methods: In Kilifi, Kenya PCV10 was introduced in 2011 using the 3-dose EPI infant schedule and a catch-up campaign in children <5 years old. We fitted a transmission dynamic model to detailed local data including nasopharyngeal carriage and invasive pneumococcal disease (IPD) to infer the marginal impact of the PCV catch-up campaign over hypothetical routine cohort vaccination in that setting, and to estimate the likely impact of alternative campaigns and their dose-efficiency. Results: We estimated that, within 10 years of introduction, the catch-up campaign among <5y olds prevents an additional 65 (48 to 84) IPD cases, compared to PCV cohort introduction alone. Vaccination without any catch-up campaign prevented 155 (121 to 193) IPD cases and used 1321 (1058 to 1698) PCV doses per IPD case prevented. In the years after implementation, the PCV programme gradually accrues herd protection and hence its dose-efficiency increases: 10 years after the start of cohort vaccination alone the programme used 910 (732 to 1184) doses per IPD case averted. We estimated that a two-dose catch-up among <1y olds uses an additional 910 (732 to 1184) doses per additional IPD case averted. Furthermore, by extending a single dose catch-up campaign to children 1 to <2y old and subsequently to 2 to <5y olds the campaign uses an additional 412 (296 to 606) and 543 (403 to 763) doses per additional IPD case averted. These results were not sensitive to vaccine coverage, serotype competition, the duration of vaccine protection or the relative protection of infants. Conclusions: We find that catch-up campaigns are a highly dose-efficient way to accelerate population protection against pneumococcal disease.