Испытания вакцины против Эболы продолжаются в Гвинее и Либерии, двух из трех наиболее пострадавших стран от продолжающейся эпидемии, и CDC только что инициировал испытания вакцины в Сьерра-Леоне.
Исследователи обнаружили, что изменение дизайна исследования вакцины от подхода, первоначально предложенного CDC, приведет к получению более точной информации об эффективности вакцины.
CDC, по сути, использует поэтапное рандомизированное контролируемое исследование, рекомендованное в статье. Эбола снизилась с разной скоростью по всей Сьерра-Леоне, что может повлиять на результаты исследования вакцины.
Результаты ученых, опубликованные 14 апреля в The Lancet Infectious Diseases, показывают, что изначально запланированный дизайн исследования «ступенчатый клин» с меньшей вероятностью предоставит четкую информацию, чем поэтапное рандомизированное контролируемое исследование, которое CDC теперь планирует использовать.
Они также обнаружили, что конструкция ступенчатого клина не обеспечила бы каких-либо этических преимуществ, которые изначально мотивировали эту конструкцию.
В исследовательскую группу Техасского университета в Остине входят профессор Лорен Мейерс, доктор наук Стив Беллан и аспирант Спенсер Фокс, а также эксперты из CDC, Университета Флориды, Гейнсвилля, Университета Макмастера в Канаде, Йельского университета, Университета Монаша в Австралии. и Калифорнийский университет в Сан-Франциско.
С точки зрения вычислений, исследователям приходилось моделировать и анализировать данные несколько тысяч раз для каждого сценария, чтобы увидеть, насколько эффективен дизайн испытания при определении того, работает вакцина или нет. «Мы рассмотрели 2 000 симуляций для 300 сценариев, всего 600 000 симуляций, приспособив 800 статистических моделей к каждому из этих симуляций.
Это означает, что мы использовали суперкомпьютер Lonestar4 в Техасском центре передовых вычислений, чтобы вместить 500 миллионов моделей », – говорит Беллан из Центра вычислительной биологии и биоинформатики в UT Austin.
"Если бы у меня не было системы HPC, такой как Lonestar, я не смог бы завершить это исследование из-за огромного количества вычислительного времени, которое на это потребовалось, и огромной способности Lonestar распараллеливать и быстро выполнять задачи.
Использование моего ноутбука заняло бы годы, и это своевременный проект, связанный со здоровьем человека, где вы просто не можете ждать месяцами или годами, чтобы получить результаты », – заключил Беллан.