Background Mathematical modelling of infectious diseases transmitted by the respiratory or close-contact route (e.g., pandemic influenza) is increasingly being used to determine the impact of possible interventions. Although mixing patterns are known to be crucial determinants for model outcome, researchers often rely on a priori contact assumptions with little or no empirical basis. We conducted a population-based prospective survey of mixing patterns in eight European countries using a common paper-diary methodology. Methods and Findings 7,290 participants recorded characteristics of 97,904 contacts with different individuals during one day, including age, sex, location, duration, frequency, and occurrence of physical contact. We found that mixing patterns and contact characteristics were remarkably similar across different European countries. Contact patterns were highly assortative with age: schoolchildren and young adults in particular tended to mix with people of the same age. Contacts lasting at least one hour or occurring on a daily basis mostly involved physical contact, while short duration and infrequent contacts tended to be nonphysical. Contacts at home, school, or leisure were more likely to be physical than contacts at the workplace or while travelling. Preliminary modelling indicates that 5- to 19-year-olds are expected to suffer the highest incidence during the initial epidemic phase of an emerging infection transmitted through social contacts measured here when the population is completely susceptible. Conclusions To our knowledge, our study provides the first large-scale quantitative approach to contact patterns relevant for infections transmitted by the respiratory or close-contact route, and the results should lead to improved parameterisation of mathematical models used to design control strategies.

Abstract Social contact data are increasingly being used to inform models for infectious disease spread with the aim of guiding effective policies on disease prevention and control. In this paper, we undertake a systematic review of the study design, statistical analyses and outcomes of the many social contact surveys that have been published. Our primary focus is to identify the designs that have worked best and the most important determinants and to highlight the most robust findings. Two publicly accessible online databases were systematically searched for articles regarding social contact surveys. PRISMA guidelines were followed as closely as possible. In total, 64 social contact surveys were identified. These surveys were conducted in 24 countries, and more than 80% of the surveys were conducted in high-income countries. Study settings included general population (58%), schools/universities (37%) and health care/conference/research institutes (5%). The majority of studies did not focus on a specific age group (38%), whereas others focused on adults (32%) or children (19%). Retrospective and prospective designs were used mostly (45% and 41% of the surveys, respectively) with 6% using both for comparison purposes. The definition of a contact varied among surveys, e.g. a non-physical contact may require conversation, close proximity or both. Age, time schedule (e.g., weekday/weekend) and household size were identified as relevant determinants for contact pattern across a large number of studies. The surveys present a wide range of study designs. Throughout, we found that the overall contact patterns were remarkably robust for the study details. By considering the most common approach in each aspect of design (e.g., sampling schemes, data collection, definition of contact), we could identify a common practice approach that can be used to facilitate comparison between studies and for benchmarking future studies.

Summary Antigen recognition through the T cell receptor (TCR) αβ heterodimer is one of the primary determinants of the adaptive immune response. Vaccines activate naïve T cells with high specificity to expand and differentiate into memory T cells. However, antigen-specific memory CD4 T cells exist in unexposed antigen-naïve hosts. In this study, we use high-throughput sequencing of memory CD4 TCRβ repertoire and machine learning to show that individuals with preexisting vaccine-reactive memory CD4 T cell clonotypes elicited earlier and higher antibody titers and mounted a more robust CD4 T cell response to hepatitis B vaccine. In addition, integration of TCRβ sequence patterns into a hepatitis B vaccine specific model can predict which individuals will have an early and more vigorous vaccine-elicited immunity. Thus, the presence of preexisting memory T clonotypes has a significant impact on immunity and can be used to predict immune responses to vaccination.

Abstract Background Streptococcus pneumoniae (Sp) is a major cause of acute otitis media (AOM). Pneumococcal conjugate vaccine (PCV) programs have altered pneumococcal serotype epidemiology in disease and carriage. To establish the clinical picture of AOM in young children exposed to the PCV program in Belgium and the Sp strains they carry, a cross-sectional study started in 2016. Material/methods In three collection periods from February 2016 to May 2018, nasopharyngeal swabs and background characteristics were collected from children aged 6-30 months either presenting at their physician with AOM (AOM-group) or healthy and attending day care (DCC-group). Sp was detected, quantified, and characterized using both conventional culture and qPCR. Clinical signs of AOM episodes and treatment were registered by the physicians. Results Among 3264 collected samples, overall pneumococcal carriage and density were similar in AOM (79.2% and 0.50 ×10 6 copies/μl) and DCC (77.5% and 0.42 ×10 6 copies/μl). Non-vaccine serotypes were most frequent: 23B (AOM: 12.3%; DCC: 17.4%), 11A (AOM: 7.5%; DCC: 7.4%) and 15B (AOM: 7.5%; DCC: 7.1%). Serotypes 3, 6C, 7B, 9N, 12F, 17F and 29 were more frequent in AOM than in DCC, whereas 23A and 23B frequencies were lower. Antibiotic susceptibility of Sp strains was similar in both groups . No predictors of AOM severity were identified, and 77.3% received an antibiotic prescription. Conclusion Young children with AOM did not carry Sp more frequently or at higher load than healthy children in day care, but some ST were more frequent in AOM and are not included in the currently used vaccines.

Abstract The immune system acts as the intricate apparatus dedicated to mounting a defence that ensures host survival from microbial threats. To engage this faceted immune response and provide protection against infectious diseases, vaccinations are the critical tool developed. However, vaccine responses are governed by levels that when interrogated separately only explain a fraction of the immune reaction. To address this knowledge gap, we conducted a feasibility study to determine if multi-view modelling can aid in gaining actionable insights on response markers shared across populations, capture the immune system diversity, and disentangle confounders. We thus sought to assess this multi-view modelling capacity on the responsiveness to Hepatitis B virus (HBV) vaccination. Seroconversion to vaccine induced antibodies against HBV surface antigen (anti-HBs) in early-converters (n=21; <2 month) and late-converters (n=9; <6 months), was defined based on the anti-HBs titres (>10IU/L). The multi-view data encompassed bulk RNA-seq, CD4+ T cell parameters (including T-cell receptor data), flow cytometry data, and clinical metadata (including age and gender). The modelling included testing single-view and multi-view joint dimensionality reductions. Multi-view joint dimensionality reduction out-performed single-view methods in terms of area under curve and balanced accuracy, confirming an increase in predictive power to be gained. The interpretation of the findings showed that age, gender, inflammation-related gene sets and pre-existing vaccine specific T-cells were associated with vaccination responsiveness. This multi-view dimensionality reduction approach complements the clinical seroconversion and all single modalities. Importantly, this modelling could identify what features predict HBV vaccine response. This methodology could be extended to other vaccination trials to identify key features regulating responsiveness.

Abstract Our study aims to investigate the dynamics of conventional memory T cells (Tconv) and regulatory T cells (Treg) following activation, and to explore potential differences between these two cell types. To achieve this, we developed advanced statistical mixed models based on mathematical models of ordinary differential equations (ODE), which allowed us to transform post-vaccination immunological processes into mathematical formulas. These models were applied on in-house data from a de novo Hepatitis B vaccination trial. By accounting for inter- and intra-individual variability, our models provided good fits for both antigen-specific Tconv and Treg cells, overcoming the challenge of studying these complex processes. Our modeling approach provided a deeper understanding of the immunological processes underlying T cell development after vaccination. Specifically, our analysis revealed several important findings regarding the dynamics of Tconv and Treg cells, as well as their relationship to seropositivity for HSV-1 and EBV, and the dynamics of antibody response to vaccination. Firstly, our modeling indicated that Tconv dynamics suggest the existence of two T cell types, in contrast to Treg dynamics where only one T cell type is predicted. Secondly, we found that individuals who converted to a positive antibody response to the vaccine earlier had lower decay rates for both Tregs and Tconv cells, which may have important implications for the development of more effective vaccination strategies. Additionally, our modeling showed that HSV-1 seropositivity negatively influenced Tconv cell expansion after the second vaccination, while EBV seropositivity was associated with higher Treg expansion rates after vaccination. Overall, this study provides a critical foundation for understanding the dynamic processes underlying T cell development after vaccination.

Clinical trials covering the immunogenicity of a vaccine aim to study the longitudinal dynamics of certain immune cells after vaccination. The corresponding immunogenicity datasets are mainly analyzed by the use of statistical (mixed effects) models. This paper proposes the use of mathematical ordinary differential equation (ODE) models, combined with a mixed effects approach. ODE models are capable of translating underlying immunological post vaccination processes into mathematical formulas thereby enabling a testable data analysis. Mixed models include both population-averaged parameters (fixed effects) and individual-specific parameters (random effects) for dealing with inter- and intra-individual variability, respectively. This paper models B-cell and T-cell datasets of a phase I/II, open-label, randomized, parallel-group study in which the immunogenicity of a new Herpes Zoster vaccine (Shingrix) is compared with the original Varicella Zoster Virus vaccine (Varilrix). Since few significant correlations were assessed between the B-cell datasets and T-cell datasets, each dataset was modeled separately. By following a general approach to both the formulation of several different models and the procedure of selecting the most suitable model, we were able propose a mathematical ODE mixed-effects model for each dataset. As such, the use of ODE-based mixed effects models offers a suitable framework for handling longitudinal vaccine immunogenicity data. Moreover, it is possible to test differences in immunological processes between the two vaccines. We found that the Shingrix vaccination schedule led to a more pronounced proliferation of T-cells, without a difference in T-cell decay rate compared to the Varilrix vaccination schedule.

Airborne infectious diseases such as influenza are primarily transmitted from human to human by means of social contacts and thus easily spread within households. Epidemic models, used to gain insight in infectious disease spread and control, typically rely on the assumption of random mixing within households. Until now there was no direct empirical evidence to support this assumption. Here, we present the first social contact survey specifically designed to study contact networks within households. The survey was conducted in Belgium (Flanders and Brussels) in 2010-2011. We analyzed data from 318 households totaling 1266 individuals with household sizes ranging from 2 to 7 members. Exponential-family random graph models (ERGMs) were fitted to the within-household contact networks to reveal the processes driving contact between household members, both on weekdays and weekends. The ERGMs showed a high degree of clustering and, specifically on weekdays, decreasing connectedness with increasing household size. Furthermore, we found that the odds of a contact between father and child is smaller than for any other pair except for older siblings. Epidemic simulation results suggest that within-household contact density is the main driver of differences in epidemic spread between complete and empirical-based household contact networks. The homogeneous mixing assumption may therefore be an adequate characterization of the within-household contact structure for the purpose of epidemic simulation. However, ignoring the contact density when inferring from an epidemic model will result in biased estimates of within-household transmission rates. Further research on the implementation of within-household contact networks in epidemic models is necessary.